Question

我正在尝试建立一个网络，其中我的边缘由元组组成。我试图对所有相关元素进行分组，但仅基于元组中的单个元素。

类似于：Grouping all connected nodes of a dataset

注意：熊猫23.4

给出以下数据框：

  col1     col2     col1Name       col2Name
  'A'       'B'      '12345'        '78911'
  'C'       'B'      '12345'        '78911'
  'J'       'K'      '12345'        '12345'
  'E'       'D'      '12345'        '12345'

我将col1和col1Name合并为一个元组，并使用col2 / col2Name进行同样的操作。

      col1                col2    
  ('A','12345')       ('B','78911')   
  ('C','12345')       ('B','78911') 
  ('J','12345')       ('K','12345')
  ('E','12345')       ('D','12345')
  ('X','99999')       ('B','99999')

我试图从这里查找所有“相关”信息，但不是有关元组的第二个元素的信息，而是第一个。

因此，如果我要对信息进行分组，它将类似于以下内容：

      col1                col2    
  ('A','12345')       ('B','78911')   
  ('C','12345')       ('B','78911') 
      col1                col2
  ('J','12345')       ('K','12345')
      col1                col2
  ('E','12345')       ('D','12345')
      col1                col2
  ('X','99999')       ('B','99999')

请注意，分组均未考虑col1Name / col2Name。该信息仅存在以使col1 / col2中的元素更具“唯一性”。还值得一提的是，可以有多个A，B，C等。在我的示例中，('B','78911')与('B','99999')

不同

我的想法（来自参考链接）：

G.add_edges_from(df.values.tolist())
cc = list(nx.connected_components(G))
component = next(i for i in cc if ('A') in i)
test = df[df.isin(component).all(1)]

这将返回与“ A”相关的所有分组，还返回与“ 12345”，“ 78911”相关的分组。我只是试图在第一个元素上分组。

Answer 1

您写道：

请注意，分组至今都没有考虑到col1Name / col2Name。

和：

但是，（'B'，'99999'）与（'B'，'78911'）不在同一组中

这是矛盾的。如果您“根本不考虑col1Name / col2Name”，它们有什么不同？数据框中也缺少“ X”。

那么您要分组在一起吗？您写道：

（'X'，'99999'）和（'B'，'99999'）分组在一起

但是那些只是同一行中的两个元组。在您撰写的第一篇文章中，您对所有行按col1中的相等值或col2中的相等值进行分组。那是什么df中的数据看起来如何？我无法复制您的示例代码。尝试更精确地解释您想要做什么。

考虑到我所矛盾和缺少的信息，请您尝试：“将在col1或col2中具有相等值的行组合在一起。”

如果仅以元组（如您所写的那样）获取数据，则会丢失行的信息，所以我认为这不是您的意思。

由于您描述的是一个具有边的网络，并且（如您所写的那样）您的col1Name和col2Name列在分组时将被忽略，因此必须为{{1} } 方法。看起来像这样：

connected_components()

networkX connected_component（）方法将具有相等值的所有元组组合在一起。如果要使用此方法，则必须为其提供正确的数据。

networkx如何处理2元组？

1 个答案: