[英]Identify distinct mappings of two overlapping columns in Pandas
假設我有一個 Pandas dataframe 有兩個標識符列,如下所示:
import pandas as pd
so_fake_data = pd.DataFrame(
{
'id_1': ['A', 'A', 'D', 'F', 'H', 'H', 'K', 'M'],
'id_2': ['B', 'C', 'E', 'G', 'I', 'J', 'L', 'L']
}
)
假設我對這張表的解釋是:
使用前兩點:如果 A 與 B 和 C 相關,我想得出結論 A、B 和 C 都在同一組中。
本質上,我希望能夠識別這些分組......:
...然后在這樣的新列中給它們一個分組值,我可以在其中區分每個分組:
我感謝任何人對此的幫助!
聽起來像網絡問題,嘗試使用networkx
import networkx as nx
G = nx.from_pandas_edgelist(df, 'id_1', 'id_2')
l = list(nx.connected_components(G))
l
Out[66]: [{'A', 'B', 'C'}, {'D', 'E'}, {'F', 'G'}, {'H', 'I', 'J'}, {'K', 'L', 'M'}]
那我們可以試試
from functools import reduce
d = reduce(lambda a, b: {**a, **b}, [dict.fromkeys(y,x) for x, y in enumerate(l)])
df['g'] = df.id_1.map(d)
df
Out[76]:
id_1 id_2 g
0 A B 0
1 A C 0
2 D E 1
3 F G 2
4 H I 3
5 H J 3
6 K L 4
7 M L 4
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.