在Pandas中，如何根据其他列的公共相互关系创建唯一ID？

Question

我有一个带有两个 ID 列的 dataframe。 我需要使用以下条件设置一个唯一的公共关联 ID：如果 ID1 或 ID2 有一些共同点，则它们必须具有相同的 common_ID (ID_3)。

dataframe 看起来像：

df = pd.DataFrame({'ID_1': ['111', '111', '222', '333', '333', '444', '555', '666', '666', '777'],
               'ID_2': ['AAA', 'BBB', 'AAA', 'BBB', 'CCC', 'DDD', 'EEE', 'DDD', 'FFF', 'CCC']})

所需的 output 应如下所示：

ID_1	ID_2	ID_3
111	AAA	1
111	BBB	1
222	AAA	1
333	BBB	1
333	CCC	1
444	DDD	2
555	电子电气设备	3
666	DDD	2
666	FFF	2
777	CCC	1

df_output = pd.DataFrame({'ID_1': ['111', '111', '222', '333', '333', '444', '555', '666', '666', '777'],
                      'ID_2': ['AAA', 'BBB', 'AAA', 'BBB', 'CCC', 'DDD', 'EEE', 'DDD', 'FFF', 'CCC'],
                      'ID_3': ['1', '1', '1', '1', '1', '2', '3', '2', '2', '1']})

澄清条件

在第 1 行和第 2 行 ID_1 相同，因此它们必须具有相同的 ID_3。

第 3 行的 ID_2 与第 1 行相同，因此其 ID_3 必须与 1st row = 1 相同。

第 4 行与第 2 行具有相同的 ID_2，这就是为什么必须将其设置为与 2nd = 1 相同的 ID_3。

第 5 行的 ID_1 与第 4 行相同，因此 ID_3 = 1。

第 6 行此时有 ID_1 和 ID_2 的唯一组合，因此标记为 ID_3 = 2。

比第 7 行 = 3。

但是 8th 和 6th 有相同的 ID_2，所以 ID_3 = 2。

等等

Answer 1

我认为我们可以使用networkx来解决这个问题：

import networkx as nx

G=nx.Graph()
G.add_edges_from(df[['ID_1','ID_2']].to_numpy().tolist())
cc = list(nx.connected_components(G))
L=[dict.fromkeys(b,a) for a, b in enumerate(cc,1)]
d={k: v for d in L for k, v in d.items()}
out = df.assign(ID_3=df['ID_2'].map(d))

---

print(out)

  ID_1 ID_2  ID_3
0  111  AAA     1
1  111  BBB     1
2  222  AAA     1
3  333  BBB     1
4  333  CCC     1
5  444  DDD     2
6  555  EEE     3
7  666  DDD     2
8  666  FFF     2
9  777  CCC     1

要查看连接的组件：

print(cc)
[{'111', '777', '222', 'AAA', '333', 'BBB', 'CCC'}, 
 {'DDD', 'FFF', '666', '444'}, {'555', 'EEE'}]