pandas dataframe中的递归function

Question

我有以下 dataframe 创建者

import pandas as pd    
df = pd.DataFrame({'parent': ['AC1', 'AC2', 'AC3', 'AC1', 'AC11', 'AC5', 'AC5', 'AC6', 'AC8', 'AC9'],
                   'child': ['AC2', 'AC3', 'AC4', 'AC11', 'AC12', 'AC2', 'AC6', 'AC7', 'AC9', 'AC10']})

输出以下内容：

    parent  child
0   AC1     AC2
1   AC2     AC3
2   AC3     AC4
3   AC1     AC11
4   AC11    AC12
5   AC5     AC2
6   AC5     AC6
7   AC6     AC7
8   AC8     AC9
9   AC9     AC10

我想创建一个结果 dataframe ，其中每个父级（意味着它不存在于子列中）与最后一个子级一起列出。

df_result = pd.DataFrame({'parent': ['AC1', 'AC1', 'AC5', 'AC5', 'AC8', 'AC2'],
                     'child': ['AC4', 'AC12', 'AC4', 'AC7', 'AC10', 'AC4']})
    parent  child
0   AC1     AC4
1   AC1     AC12
2   AC5     AC4
3   AC5     AC7
4   AC8     AC10
5   AC2     AC4

我已经开始了以下 function 但我不确定如何完成它。

def get_child(df):
result = {}
if df['parent'] not in df['child']:
    return result[df['parent']]

Answer 1

这是一种树结构，一种特殊类型的图。 数据框不是表示树的特别方便的方式； 我建议您切换到networkx或其他一些基于图形的 package。 然后查找如何进行简单的路径遍历； 您将在图表 package 文档中找到直接支持。

如果你坚持自己做——这是一个合理的编程练习——你只需要这样的伪代码

for each parent not in "child" column:
    here = parent
    while here in parent column:
        here = here["child"]

    record (parent, here) pair

Answer 2

虽然您预期的 output 似乎与您的描述有些不一致（AC2 似乎不应该被视为父节点，因为它不是源节点），但我非常有信心您想要从每个源节点运行遍历以定位它的所有叶子。 在 dataframe 中这样做并不方便，因此我们可以使用df.values并创建一个邻接列表字典来表示图形。 我假设图中没有循环。

import pandas as pd
from collections import defaultdict

def find_leaves(graph, src):
    if src in graph:
        for neighbor in graph[src]:
            yield from find_leaves(graph, neighbor)
    else:
        yield src

def pair_sources_to_leaves(df):
    graph = defaultdict(list)
    children = set()

    for parent, child in df.values:
        graph[parent].append(child)
        children.add(child)

    leaves = [[x, list(find_leaves(graph, x))] 
               for x in graph if x not in children]
    return (pd.DataFrame(leaves, columns=df.columns)
              .explode(df.columns[-1])
              .reset_index(drop=True))

if __name__ == "__main__":
    df = pd.DataFrame({
        "parent": ["AC1", "AC2", "AC3", "AC1", "AC11", 
                   "AC5", "AC5", "AC6", "AC8", "AC9"],
        "child": ["AC2", "AC3", "AC4", "AC11", "AC12", 
                  "AC2", "AC6", "AC7", "AC9", "AC10"]
    })
    print(pair_sources_to_leaves(df))

Output：

  parent child
0    AC1   AC4
1    AC1  AC12
2    AC5   AC4
3    AC5   AC7
4    AC8  AC10