使用字典过滤数据帧（邻接矩阵）

Question

上下文：我有两个数据集：

1. 表征加权有向网络的数据帧df_edges

   id_from: id_to:   weight:  
   id1     id2        0.5    .
   id1     id3        0.2      
   id2     id3        0.4
   id2     id4        0.5
   ...
   id3    id1         1.2

1. 描述id之间配对的字典dict_rel，表示此边是一个特殊的/重要的对应项

dict_rel = {'id1': 'id3',
 'id2': 'id10', ...

特点：

• 在某些情况下，字典指定为重要的边缘可能根本不会出现在边缘数据中
• 除了一个简单的字典，在一个扩展中，我还会有一个，其中每个键的值都是一个重要对应项的列表（这让我想知道我使用字典来处理这个问题的尝试是否特别聪明）

目标我想从df_edges中为dict_rel中的每个键提取weight值，这样我就得到了一个沿着

id: important_counterpart_id:   important_counterpart_id_weight:
id1 id3                         0.2
id2 id10                        0
...

（从这里开始，计算任何节点与“重要对应物”的边权重份额应该很简单。）

尝试：将数据转换成上述形式后，我尝试：

dict_weights = {}

for key, value in dict_rel.items():
    dict_weights[key] = df_edges.loc[(df_edges['id_from']==key) & 
    (df_edges['id_to']==value)].weight

然后我可以使用它来构造所需的数据帧。但是内核在这个操作中被卡住了

任何帮助都会很棒