Mam dataframe df

Col1   Col2
A      B
C      A
B      D
E      F
G      D
G      H
K      J

I seria id identyfikatorów

ID
A
F

Chcę, aby wszystkie litery w id, aby wybrać inne litery, które mają dowolne łącze z maksimum 2 pośrednikami. Zróbmy przykład dla A (jest łatwiej zrozumieć z przykładem):

Istnieją 2 linie, w tym A, połączone z B i C, więc bezpośrednie linki do A są {x3}}. (Bez względu na to, czy a jest w Col1 lub Col2)

A      B
C      A

Ale B jest również powiązany z D i D jest połączona z G:

B      D
G      D

Więc linki do A[B, C, D, G]. Nawet jeśli G i H są połączone, wykonałby więcej niż 2 związki pośrednie z A (A > B > D > G > H tworzenie B, {x7}} i D i D i D i D i D i D X8}} jako półprodukty), więc nie zawierają H w {{x10}} Linki Links.

G      H

Szukam sposobu do wyszukiwania, dla wszystkich identyfikatorów w id lista linków i zapisz go w id:

ID   LinksList
A    [B, C, D, G]
F    [E]

Nie mam nic przeciwko rodzaju LinksList (może być ciąg), o ile mogę uzyskać informacje o określony identyfikator i pracować z nim. Nie mam nic przeciwko rozkazowi identyfikatorów w LinksList, o ile jest kompletne.

Znalazłem już sposób na rozwiązanie problemu, ale za pomocą pętli 3 for, więc zajmuje dużo czasu. (Dla K1 w ID, dla K2 (0,3), wybierz Direct Links dla każdego elementu Linkslist + Element wyjściowy i umieścić je w linkslist, jeśli nie są jeszcze w). Czy ktoś może pomógł mi robić to tylko z panendami? Z góry dziękuję !!

==== Edytuj: Oto "3 pętle", po komentarzu Karla: ====

i = 0
for k in id:
    linklist = list(df[df['Col1'] == k]['Col2']) + list(df[df['Col2'] == k]['Col1'])
    new = df.copy()
    intermediate_count = 1
    while(len(new) > 0 and intermediate_count <= 2):
        nn = new.copy()
        new = []
        for n in nn:
            toadd = list(df[df['Col1'] == n]['Col2']) + list(df[df['Col2'] == n]['Col1'])
            toadd = list(set(toadd).difference(df))
            df = df + toadd
            new = new + toadd
        
    if(i==0):
        d = {'Id': k, 'Linked': linklist}
        df_result = pd.DataFrame(data=d)
        i = 1
    else:
        d = {'Id': k, 'Linked': linklist}
        df_result.append(pd.DataFrame(data=d))
1
BeamsAdept 22 marzec 2021, 11:35

2 odpowiedzi

Najlepsza odpowiedź

Najpierw zbliżyłbym wzajemność Dataframe, aby móc zawsze iść z Col1 do Col2. Wtedy użyłbym połączenia do obliczania możliwych wyników z 1 i 2 średnimi krokami. Wreszcie, agregałbym wszystkie te wartości na zestawy. Kod może być:

# append the symetric (Col2 -> Col1) to the end of the dataframe
df2 = df.append(df.reindex(columns=reversed(df.columns)).rename(
    columns={df.columns[len(df.columns)-i]: col
             for i, col in enumerate(df.columns, 1)}), ignore_index=True
                ).drop_duplicates()

# add one step on Col3
df3 = df2.merge(df2, 'left', left_on='Col2', right_on='Col1',
                suffixes=('', '_')).drop(columns='Col1_').rename(
                    columns={'Col2_': 'Col3'})

# add one second stop on Col4
df4 = df3.merge(df2, 'left', left_on='Col3', right_on='Col1',
                suffixes=('', '_')).drop(columns='Col1_').rename(
                    columns={'Col2_': 'Col4'})

# aggregate Col2 to Col4 into a set
df4['Links'] = df4.iloc[:, 1:].agg(set, axis=1)

# aggregate that new column grouped by Col1
result = df4.groupby('Col1')['Links'].agg(lambda x: set.union(*x)).reset_index()

# remove the initial value if present in Links
result['Links'] = result['Links'] - result['Col1'].apply(set)

# and display the result restricted to id
print(result[result['Col1'].isin(id)])

Z przykładowymi danymi daje zgodnie z oczekiwaniami:

  Col1         Links
0    A  {D, C, B, G}
5    F           {E}
2
Serge Ballesta 24 marzec 2021, 14:49

Możemy korzystać z biblioteki Networkx:

import networkx as nx
import pandas as pd
import matplotlib.pyplot as plt

# Read in pandas dataframe using copy and paste
df = pd.read_clipboard()

# Create graph network from pandas dataframe
G = nx.from_pandas_edgelist(df, 'Col1', 'Col2')

# Create id, Series
id = pd.Series(['A', 'F'])

# Move values in the index of the Series
id.index=id

# Use `single_source_shortest_path` method in nx for each value in, id, Series
id.apply(lambda x: list(nx.single_source_shortest_path(G, x, 3).keys())[1:])

Wynik:

A    [B, C, D, G]
F             [E]
dtype: object

Drukuj reprezentację wykresu:

enter image description here

2
Scott Boston 24 marzec 2021, 15:51