如何在自连接 Pandas 后获得两列之间的唯一关系？

Question

import pandas as pd

data={'x':['A','A','B','B','C','E','F'],
      'y':['B','C','A','C','D','F','G']}
df=pd.DataFrame(data)

print(df)

我有一个像这样的大数据框（用 ABC 简化）：

     x    y
0    A    B
1    A    C
2    B    A
3    B    C
4    C    D
5    E    F
6    F    G

有 "loops" 第 0 行：A <-> B 和第 2 行：B <-> A 这对我来说意味着相同的关系。

我想要 x 和 y 列值之间的关系，并给它们一个唯一的新 ID。

所以对于这个例子 table 这意味着：

A = B = C = D 给它一个唯一的id，即90 E = F = G 给它一个唯一的 id，即 91

我需要的结果table应该是：

    id  value
0   90    A
1   90    B
2   90    C 
3   90    D
4   91    E
5   91    F
6   91    G

如何使用 pandas 实现此目的？非常感谢您的帮助！

Answer 1

这似乎是一个图表，即networkx library, problem. Let's look for nodes in connected components within a graph network (see this wiki page)。

import pandas as pd
import networkx as nx

data={'x':['A','A','B','B','C','E','F'],
      'y':['B','C','A','C','D','F','G']}
df=pd.DataFrame(data)
G = nx.from_pandas_edgelist(df, 'x','y')
g = nx.connected_components(G)
S = pd.Series()
for i,n in enumerate(g):
    s = pd.Series(sorted(list(n)), index=[i]*len(n))
    S = pd.concat([S, s])

S

输出：

0    A
0    B
0    C
0    D
1    E
1    F
1    G
dtype: object

如何在自连接 Pandas 后获得两列之间的唯一关系？

How to get unique Relation between 2 columns after Self Join Pandas?

python

unique

relation

networkx

pandas