我有一个带有1列(+索引)的数据框,其中包含子列表或元素的列表。 我想检测列表/子列表中的公共元素,并使用至少1个公共元素对列表进行分组,以便仅具有元素列表而不包含任何公共元素。 列表/子列表当前是这样的(例如4行):
Num_ID
Row1 [['A1','A2','A3'],['A1','B1','B2','C3','D1']]`
Row2 ['A1','E2','E3']
Row3 [['B4','B5','G4'],['B6','B4']]
Row4 ['B4','C9']
n个没有公共元素的列表(前两个示例):
['A1','A2','A3','B1','B2','C3','D1','E2','E3']
['B4','B5','B6','C9','G4']
答案 0 :(得分:5)
您可以使用NetworkX
的{{3}}方法。这是我适应这种connected_components
解决方案的方式:
import networkx as nx
from itertools import combinations, chain
df= pd.DataFrame({'Num_ID':[[['A1','A2','A3'],['A1','B1','B2','C3','D1']],
['A1','E2','E3'],
[['B4','B5','G4'],['B6','B4']],
['B4','C9']]})
首先将每个列表中的子列表展平:
L = [[*chain.from_iterable(i)] if isinstance(i[0], list) else i
for i in df.Num_ID.values.tolist()]
[['A1', 'A2', 'A3', 'A1', 'B1', 'B2', 'C3', 'D1'],
['A1', 'E2', 'E3'],
['B4', 'B5', 'G4', 'B6', 'B4'],
['B4', 'C9']]
鉴于列表/子列表包含2个以上的元素,您可以从每个子列表中获取所有长度为2的组合,并将它们用作网络边缘(请注意,边缘只能连接两个节点):
L2_nested = [list(combinations(l,2)) for l in L]
L2 = list(chain.from_iterable(L2_nested))
生成图形,并使用add_edges_from将列表添加为图形边缘。然后使用connected_components,它将为您精确地提供图中的一组已连接组件的列表:
G=nx.Graph()
G.add_edges_from(L2)
list(nx.connected_components(G))
[{'A1', 'A2', 'A3', 'B1', 'B2', 'C3', 'D1', 'E2', 'E3'},
{'B4', 'B5', 'B6', 'C9', 'G4'}]