基于逗号拆分并在 Python 中创建新数据框

Question

假设我有以下数据框。

df

Nodes       Weight
A,B          10
A,C,F        8
B,F,D        6
B,E          4

我想根据逗号拆分并保持它们的权重。例如，Nodes (A,C,F) A 与 C 有联系，C 有联系 F。所以，我想看到 A >>C，和 C>>F。不用看A>>F。并且它们的权重应为 8，如下所示。

我正在寻找的最终数据框如下所示。

Node_1    Node_2     Weight
A            B        10
A            C        8
C            F        8
B            F        6
F            D        6
B            E        4

创建此数据框的目的是从中创建网络图。

有类似的解决方案，但我无法得到我想要的结果。

我尝试了以下方法：

df = (df['Nodes'].str.split(',') .groupby(df['Weight'])

有人可以帮忙吗？

Answer 1

这是一种方法：

# From https://docs.python.org/3/library/itertools.html#itertools-recipes
from itertools import tee
def pairwise(iterable):
    "s -> (s0,s1), (s1,s2), (s2, s3), ..."
    a, b = tee(iterable)
    next(b, None)
    return zip(a, b)

df['Node_pairs'] = df['Nodes'].str.split(',').apply(lambda x: list(pairwise(x)))
df = df.explode('Node_pairs')
df['Node1'] = df['Node_pairs'].str[0]
df['Node2'] = df['Node_pairs'].str[1]
df

输出：

   Nodes  Weight Node_pairs Node1 Node2
0    A,B      10     (A, B)     A     B
1  A,C,F       8     (A, C)     A     C
1  A,C,F       8     (C, F)     C     F
2  B,F,D       6     (B, F)     B     F
2  B,F,D       6     (F, D)     F     D
3    B,E       4     (B, E)     B     E

详情：

使用 itertools 文档中的成对配方来创建 'Node_pairs'
展开 'Node_pairs'
使用 .str get 快捷方式分配 'Node1' 和 'Node2'。

Answer 2

逻辑同Scott提供的方案

def grouper(input_list, n = 2):
    for i in range(len(input_list) - (n - 1)):
        yield input_list[i:i+n]
        
(df.set_index('Weight')['Nodes']
   .str.split(',')
   .map(grouper)
   .map(list)
   .explode()
   .apply(pd.Series).add_prefix('Node_')
   .reset_index())

    Weight  Node_0  Node_1
0   10      A       B
1   8       A       C
2   8       C       F
3   6       B       F
4   6       F       D
5   4       B       E

基于逗号拆分并在 Python 中创建新数据框

split based on comma and create new data frame in Python

networkx

python-3.x

pandas