有效地在python中为NetworkX创建边缘

Question

我有一个pandas数据框，它具有人名的唯一标识。我想在所有具有相同姓氏的人之间建立边缘。我该如何有效地做到这一点？

示例数据集：

Identity,LastName
1,Beckham
2,Singh
3,Bagari
4,Shukla
5,Sharma
6,Singh
7,Beckham
8,Beckham
9,Singh

输出： （1,7），（1,8），（7,8），（2,6），（2,9），（6,9）

我想建立一个在身份（1,7），（1,8），（7,8），（2,6），（2,9），（6,9）之间存在优势的网络）

我可以迭代所有身份然后创建边缘但是需要很长时间才能获得5,000,000个奇数记录？是否有更好的解决方案？

Answer 1

我们将groupby与combinations中的itertools一起使用：

from itertools import combinations
s = df.groupby('LastName')['Identity'].agg(lambda x: tuple(x.tolist()))
s[s.apply(len)>1].apply(lambda x: list(combinations(x, 2))).sum()

输出：

[(1, 7), (1, 8), (7, 8), (2, 6), (2, 9), (6, 9)]

更新

from itertools import combinations, chain
list(chain(*df.groupby('LastName')['Identity'].agg(tuple).apply(combinations, r=2)))

输出：

[(1, 7), (1, 8), (7, 8), (2, 6), (2, 9), (6, 9)]