自我加入熊猫后如何获得2列之间的唯一关系？

Question

import pandas as pd

data={'x':['A','A','B','B','C','E','F'],
      'y':['B','C','A','C','D','F','G']}
df=pd.DataFrame(data)

print(df)

我有一个像这样的大数据框(简化为ABC):

     x    y
0    A    B
1    A    C
2    B    A
3    B    C
4    C    D
5    E    F
6    F    G

有一些"循环",如第0行:A < - > B和第2行:B < - > A,这对我来说意味着相同的关系.

我希望得到x和y列值之间的关系,并给它们一个唯一的新id.

因此,对于此示例表,这意味着:

A = B = C = D给它一个唯一的id,即90 E = F = G给它一个唯一的id,即91

我需要的Result表应该是:

    id  value
0   90    A
1   90    B
2   90    C 
3   90    D
4   91    E
5   91    F
6   91    G

我怎么能用熊猫来实现这个目标？非常感谢帮助!

Answer 1

这看起来像一个图表,即networkx库,问题.让我们在图形网络中查找连接组件中的节点(请参阅此Wiki页面).

import pandas as pd
import networkx as nx

data={'x':['A','A','B','B','C','E','F'],
      'y':['B','C','A','C','D','F','G']}
df=pd.DataFrame(data)
G = nx.from_pandas_edgelist(df, 'x','y')
g = nx.connected_components(G)
S = pd.Series()
for i,n in enumerate(g):
    s = pd.Series(sorted(list(n)), index=[i]*len(n))
    S = pd.concat([S, s])

S

输出:

0    A
0    B
0    C
0    D
1    E
1    F
1    G
dtype: object