删除包含嵌套数据的重复项（图形）

Question

我有以下映射表：

---

样本数据：

import pandas as pd
from numpy import nan
d = {'start': {0: 4, 1: 3, 2: 2, 3: 1, 4: 12, 5: 11, 6: 23, 7: 22, 8: 21}, 'name': {0: 'Vitamin',  1: 'Vitamin D',  2: 'Vitamin D3',  3: 'Colecalciferol',  4: 'Vitamin D2',  5: 'Ergocalcifero',  6: 'Vitamin K',  7: 'Vitamin K2',  8: 'Menachinon'}, 'end': {0: nan,  1: 4.0,  2: 3.0,  3: 2.0,  4: 3.0,  5: 12.0,  6: 4.0,  7: 23.0,  8: 22.0}}
df = pd.DataFrame(d)

l1 = ['Colecalciferol', 'Vitamin D']
l2 = ['Colecalciferol', 'Ergocalcifero', 'Vitamin D3']

预期输出：

l1 = ['Colecalciferol']
l2 = ['Colecalciferol', 'Ergocalcifero']

---

我的尝试：

import networkx as nx
G = nx.Graph()
G = nx.from_pandas_edgelist(df, 'start', 'end', create_using=nx.DiGraph())
T = nx.dfs_tree(G, source=1).reverse()

print(list(T))
# [1, 2.0, 3.0, 4.0, nan]

基本上显示了一个术语的继承人，这里是第一部分：“colecocalciferol”，但实际上我想我需要的是一个术语的祖先，而不是继承人

---

目标：

• 我想删除重复项，即使是较高/较低级别的术语。例如。： “colecocalciferol”是一种维生素D3'，它是一种维生素D'

• 因此，我想删除“维生素D”来保存信息 示例（l1）中最低级别术语的

Answer 1

你很接近！这里有一种使用图形方法的方法：我们只需检查节点是否有任何前置项，如果有，这意味着它不是最低级别的术语，我们不想保留它

import networkx as nx
G = nx.Graph()
G = nx.from_pandas_edgelist(df, 'start', 'end', create_using=nx.DiGraph())

filtered_l1 = []
for elmt in l1:
    node = int(df[df.name == elmt].start)
    if list(G.predecessors(node)) == []:
        filtered_l1.append(elmt)
print(filtered_l1)

上面的for循环可以压缩成一行：[x for x in l1 if list(G.predecessors(int(df[df.name == x].start))) == []]

完全消除对networkx依赖的一种更简单的方法是，只需检查产品的start是否是任何产品的end，在这种情况下，它不是底层，我们希望将其过滤掉：

all_ends = df.end.unique()
filtered_l1 = [x for x in l1 if int(df[df.name == x].start) not in all_ends]