我有一个形式为的 pandas 数据框 (df)-
Col1
A [Green,Red,Purple]
B [Red, Yellow, Blue]
C [Brown, Green, Yellow, Blue]
我需要将其转换为边缘列表,即以下形式的数据框:
Source Target Weight
A B 1
A C 1
B C 2
编辑 请注意,新数据框的行数等于可能的成对组合的总数。此外,要计算“权重”列,我们只需找到两个列表之间的交集即可。例如,对于 B&C,元素共享两种颜色:蓝色和黄色。因此,相应行的“权重”为 2。
最快的方法是什么?原始数据框包含大约 28,000 个元素。
最佳答案
首先,从数据框开始:
from itertools import combinations
df = pd.DataFrame({
'Col1': [['Green','Red','Purple'],
['Red', 'Yellow', 'Blue'],
['Brown', 'Green', 'Yellow', 'Blue']]
}, index=['A', 'B', 'C'])
df['Col1'] = df['Col1'].apply(set)
df
Col1
A {Purple, Red, Green}
B {Red, Blue, Yellow}
C {Green, Yellow, Blue, Brown}
Col1
中的每个列表都已转换为一个集合以有效地找到并集。接下来,我们将使用 itertools.combinations
创建 df
中所有行的成对组合:
df1 = pd.DataFrame(
data=list(combinations(df.index.tolist(), 2)),
columns=['Src', 'Dst'])
df1
Src Dst
0 A B
1 A C
2 B C
现在,应用一个函数来获取集合的并集并找到它的长度。 Src
和 Dst
列充当对 df
的查找。
df1['Weights'] = df1.apply(lambda x: len(
df.loc[x['Src']]['Col1'].intersection(df.loc[x['Dst']]['Col1'])), axis=1)
df1
Src Dst Weights
0 A B 1
1 A C 1
2 B C 2
我建议一开始就设置转换。每次都将您的列表即时转换为集合既昂贵又浪费。
为了加快速度,您可能希望还将这些集合复制到新数据帧的两列中,因为不断调用 df.loc
会减慢一个档次.
关于python - 如何从 Pandas 数据框创建边缘列表?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44992103/