Pandas映射：根据树结构添加后缀

Question

1.数据：

我在 pandas DataFrame 中有以下结构：

import pandas as pd
df = pd.DataFrame([['A', 'NaN', 'A', 'NaN'],['B', 'A', 'B/A', 'A'], ['B1', 'B', 'B1/B/A', 'B/A'], 
                     ['B2', 'B', 'B2/B/A', 'B/A'], ['C', 'B1', 'C/B1/B/A', 'B1/B/A'], ['D', 'B1', 'D/B1/B/A', 'B1/B/A'], 
                     ['E', 'B2', 'E/B2/B/A', 'B2/B/A']], 
                    columns=['unit_id', 'group_id', 'new_unit_id', 'new_group_id'])

2。议题与目标：

我想将当前的 unit_id 和 group_id 替换为附加了 parent 结构的值，基本如下：

<unit_id> = <unit_id> + '/' + parent<unit_id>
和
<group_id> = parent<unit_id>

正如您在文件树结构或类似结构中看到的那样。

像这样：

index	unit_id	group_id	new_unit_id	new_group_id
0	A	NaN	A	NaN
1	B	A	B/A	A
2	B1	B	B1/B/A	B/A
3	B2	B	B2/B/A	B/A
4	C	B1	C/B1/B/A	B1/B/A
5	D	B1	D/B1/B/A	B1/B/A
6	E	B2	E/B2/B/A	B2/B/A

3。尝试与方法：

我已经尝试在不创建 'new' 列的情况下就地映射，但是运行遇到 parent 的 unit_id 更改时未反映在中的问题children.

的 group_id

df['unit_id'] = df['unit_id'] + '/' + df['group_id']

所以我似乎需要逐行迭代，以便将前一行的更改考虑在内。类似于：

df['unit_id'] = df.apply(lambda row : row['unit_id'].replace(str(row['unit_id']), str(row['unit_id'] + '/' + row['group_id'])), axis=1)

这会产生与上述相同（不准确）的值，但我认为 df.apply 具有正确的匿名 (lambda) 函数更接近我的需要。无法正确使用语法。

Answer 1

这可以是使用图论的方法。

这是你的图表：

您可以使用 networkx to compute your graph and find the shortest_path:

import networkx as nx

# ensure real NaN
df = df.replace('NaN', np.nan)

G = nx.from_pandas_edgelist(df.dropna(subset='group_id'),
                            source='unit_id', target='group_id',
                            create_using=nx.DiGraph)

#get final item
last = list(nx.topological_sort(G))[-1]

# get simple paths
df['new_unit_id'] = ['/'.join(nx.shortest_path(G, s, last))
                      if not pd.isna(s) else float('nan')
                      for s in df['unit_id']]

df['new_group_id'] = df['new_unit_id'].str.extract(r'[^/]+/(.+)')

输出：

  unit_id group_id new_unit_id new_group_id
0       A      NaN           A          NaN
1       B        A         B/A            A
2      B1        B      B1/B/A          B/A
3      B2        B      B2/B/A          B/A
4       C       B1    C/B1/B/A       B1/B/A
5       D       B1    D/B1/B/A       B1/B/A
6       E       B2    E/B2/B/A       B2/B/A

Pandas映射：根据树结构添加后缀

Pandas Mapping: add suffix based on tree structure

python

dataframe

data-structures

pandas