我有一个 Pandas 数据框,如下所示:
其中,a, b, c, d
是分类变量,使得 a < b < c < d
和b > 3 * a
, c > 2 * b
和d > 1.5 * c
。如果给出了这些显式关系,如何将行与所有其他隐式关系(例如 c > 6 * a
)添加到此数据帧中, d > 9 * a
,和d > 3 * b
.
有什么想法吗?
最佳答案
假设您有一个如下所示的数据框(为了便于阅读,我添加了列名称)
df
Cat1 Cat2 Relationship
0 a b 3.0
1 b c 2.0
2 c d 1.5
首先在前 2 列上合并 df 本身,并通过将合并行上的原始 2 个关系值相乘来计算新的关系值。重复同样的操作,直到所有关系都达到。
import pandas as pd
df = pd.DataFrame(data=[['a', 'b', 3],
['b', 'c', 2],
['c', 'd', 1.5]],
columns=['Cat1', 'Cat2', 'Relationship'])
max_length_of_relationships = len(df)
for i in range(max_length_of_relationships):
df2 = df.merge(df, left_on='Cat2', right_on='Cat1')
df2['Relationship'] = df2['Relationship_x'] * df2['Relationship_y']
df2 = df2[['Cat1_x', 'Cat2_y', 'Relationship']]
df2.columns = ['Cat1', 'Cat2', 'Relationship']
df = df.append(df2).drop_duplicates()
产量
df
Cat1 Cat2 Relationship
0 a b 3.0
1 b c 2.0
2 c d 1.5
0 a c 6.0
1 b d 3.0
1 a d 9.0
这里的棘手点是我假设 max_length_of_relationships 是数据帧的行数,这实际上是最坏的情况。如果数据帧很大而 max_length_of_relationships 很小,则性能会很差。在这种情况下,您可能需要使用networkx正如@Quang建议的那样,找到图中的最长路径。
代码示例
import networkx as nx
G=nx.from_pandas_edgelist(df, 'Cat1', 'Cat2', edge_attr=True, create_using=nx.DiGraph())
print(nx.dag_longest_path(G))
max_length_of_relationships = nx.dag_longest_path_length(G)
关于python - Pandas 中分类变量的顺序,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58332903/