Pandas：如何根据列元素的组合来分组，以根据不同列的值来指示协同发生？

Question

我有一个pandas数据帧，格式为df

Batch_ID    Product_ID
   1            A
   1            B
   1            C
   2            B
   2            B
   2            C
   2            C
   3            B
   3            B
   3            C
   4            C
   4            D
   5            D

我想从中得到一个边缘列表，本质上是一个新的dataframeedge-list-df（我无法将其转换为networkx对象）

^{pr2}$

请注意，我在示例中给出了许多不同的可能性，以确保我的问题是清楚的。例如，即使批处理_ID=2，B-C组合出现两次，计数器也不会增加两倍。在

实现这一目标的最有效方法是什么？在

Answer 1

使用NetworkX API：

In [225]: G = nx.from_pandas_edgelist(df, 'Batch_ID', 'Product_ID')

In [226]: from networkx.algorithms import bipartite

In [227]: W = bipartite.weighted_projected_graph(G, df['Product_ID'].unique())

In [228]: W.edges(data=True)
Out[228]: EdgeDataView([('A', 'C', {'weight': 1}), ('A', 'B', {'weight': 1}), ('B', 'C', {'weight': 3}), ('C', 'D', {'weight': 1})])

In [229]: nx.to_pandas_edgelist(W)
Out[229]:
  source target  weight
0      A      C       1
1      A      B       1
2      B      C       3
3      C      D       1

注意：对于NetworkX版本1.x，使用from_pandas_dataframe()和{}，而不是{}和{}

Answer 2

以下是我的看法：

from itertools import combinations

def combine(batch):
    """Combine all products within one batch into pairs"""
    return pd.Series(list(combinations(set(batch), 2)))

edges = df.groupby('Batch_ID')['Product_ID'].apply(combine).value_counts()
edges
#(B, C)    3
#(A, B)    1
#(A, C)    1
#(D, C)    1

我知道不需要0次出现的边。在

如果需要，可以将索引进一步拆分为源和目标：

^{pr2}$

或者：

c = ['Source', 'Target']
L = edges.index.values.tolist()
edges = pd.DataFrame(L, columns=c).join(edges.reset_index(drop=True))