熊猫数据框中的递归函数

Question

我创建了以下数据框

import pandas as pd    

df = pd.DataFrame({'parent': ['AC1', 'AC2', 'AC3', 'AC1', 'AC11', 'AC5', 'AC5', 'AC6', 'AC8', 'AC9'],

                   'child': ['AC2', 'AC3', 'AC4', 'AC11', 'AC12', 'AC2', 'AC6', 'AC7', 'AC9', 'AC10']})

输出以下内容：

    parent  child

0   AC1     AC2

1   AC2     AC3

2   AC3     AC4

3   AC1     AC11

4   AC11    AC12

5   AC5     AC2

6   AC5     AC6

7   AC6     AC7

8   AC8     AC9

9   AC9     AC10

我想创建一个结果数据框，其中列出了每个父项（意味着它不存在于子列中）和最后一个子项。

df_result = pd.DataFrame({'parent': ['AC1', 'AC1', 'AC5', 'AC5', 'AC8', 'AC2'],

                     'child': ['AC4', 'AC12', 'AC4', 'AC7', 'AC10', 'AC4']})

    parent  child

0   AC1     AC4

1   AC1     AC12

2   AC5     AC4

3   AC5     AC7

4   AC8     AC10

5   AC2     AC4

我已经启动了以下功能，但我不确定如何完成它。

def get_child(df):

result = {}

if df['parent'] not in df['child']:

    return result[df['parent']]

Answer 1

这是一个树结构，一种特殊类型的图。数据框并不是表示树的特别方便的方式；我建议您切换到networkx或其他一些基于图形的包。然后查找如何进行简单的路径遍历；您会在图形包文档中找到直接支持。如果你坚持自己做——这是一个合理的编程练习——你只需要像这样的伪代码for each parent not in "child" column:    here = parent    while here in parent column:        here = here["child"]    record (parent, here) pair

Answer 2

虽然您的预期输出似乎与您的描述有些不一致（AC2 似乎不应该被视为父节点，因为它不是源节点），但我非常有信心您想从每个源节点运行遍历以定位它所有的叶子。在数据框中这样做并不方便，因此我们可以使用df.values并创建一个邻接列表字典来表示图形。我假设图中没有循环。import pandas as pdfrom collections import defaultdictdef find_leaves(graph, src):    if src in graph:        for neighbor in graph[src]:            yield from find_leaves(graph, neighbor)    else:        yield srcdef pair_sources_to_leaves(df):    graph = defaultdict(list)    children = set()    for parent, child in df.values:        graph[parent].append(child)        children.add(child)    leaves = [[x, list(find_leaves(graph, x))]                for x in graph if x not in children]    return (pd.DataFrame(leaves, columns=df.columns)              .explode(df.columns[-1])              .reset_index(drop=True))if __name__ == "__main__":    df = pd.DataFrame({        "parent": ["AC1", "AC2", "AC3", "AC1", "AC11",                    "AC5", "AC5", "AC6", "AC8", "AC9"],        "child": ["AC2", "AC3", "AC4", "AC11", "AC12",                   "AC2", "AC6", "AC7", "AC9", "AC10"]    })    print(pair_sources_to_leaves(df))输出：  parent child0    AC1   AC41    AC1  AC122    AC5   AC43    AC5   AC74    AC8  AC10