问题描述
-c 4
part part_parent
0 part1 NaN
1 part2 part1
2 part3 part2
3 part4 part3
4 part5 part2
创建输入/输出数据帧的字典:
part part_parent hierarchy
0 part1 NaN part1
1 part2 part1 part1/part2/
2 part3 part2 part1/part2/part3/
3 part4 part3 part1/part2/part3/part4
4 part5 part2 part1/part2/part5
注意:我已经看到几个与 from numpy import nan
df1 = pd.DataFrame({'part': {0: 'part1',1: 'part2',2: 'part3',3: 'part4',4: 'part5'},'part_parent': {0: nan,1: 'part1',2: 'part2',3: 'part3',4: 'part2'}})
df2 = pd.DataFrame({'part': {0: 'part1',4: 'part2'},'hierarchy': {0: 'part1',1: 'part1/part2/',2: 'part1/part2/part3/',3: 'part1/part2/part3/part4',4: 'part1/part2/part5'}})
相关的线程来解决这个问题,但我无法这样做。
感谢任何帮助。
解决方法
这是一个使用 networkx
的解决方案。它将 nan
视为根节点,并以此为基础找到到每个节点的最短路径。
import networkx as nx
def find_path(net,source,target):
# Adjust this as needed (in case multiple paths are present)
# or error handling in case a path doesn't exist
path = nx.shortest_path(net,target)
return "/".join(list(path)[1:])
net = nx.from_pandas_edgelist(df1,"part","part_parent")
df1["hierarchy"] = [find_path(net,nan,node) for node in df1["part"]]
part part_parent hierarchy
0 part1 NaN part1
1 part2 part1 part1/part2
2 part3 part2 part1/part2/part3
3 part4 part3 part1/part2/part3/part4
4 part5 part2 part1/part2/part5
路径的格式是为这个例子设计的,如果需要更强大的错误处理或多路径格式,则必须调整路径查找器。
,这是一种递归方法。它使用一个包含每个元素的父元素的系列来查找给定的父元素,然后返回原始父元素,直到找到 NaN。此时它返回层次结构。
注意。如果你有一个循环网络或未定义的父节点(后者可以很容易地修复是需要的),这将不起作用
import pandas as pd
parents = df1.set_index('part')['part_parent']
def hierarchy(e):
if not isinstance(e,list):
return hierarchy([e])
parent = parents[e[0]]
if pd.isna(parent):
return '/'.join(e)
return hierarchy([parent]+e)
df2 = df1.copy()
df2['hierarchy'] = df1['part'].apply(hierarchy)