在 Pandas 中，如何根据其他列的共同相互关系创建唯一 ID？

Posted 2023-03-12

【中文标题】在 Pandas 中，如何根据其他列的共同相互关系创建唯一 ID？

【英文标题】：In Pandas, how to create a unique ID based on the common interrelation of other columns?

【发布时间】：2021-04-24 14:43:36

【问题描述】：

我有一个包含两个 ID 列的数据框。我需要设置一个唯一的公共关联 ID，条件如下：如果 ID1 或 ID2 有一些共同点，则它们必须具有相同的 common_ID (ID_3)。

数据框如下所示：

df = pd.DataFrame('ID_1': ['111', '111', '222', '333', '333', '444', '555', '666', '666', '777'],
               'ID_2': ['AAA', 'BBB', 'AAA', 'BBB', 'CCC', 'DDD', 'EEE', 'DDD', 'FFF', 'CCC'])

所需的输出应如下所示：

ID_1	ID_2	ID_3
111	AAA	1
111	BBB	1
222	AAA	1
333	BBB	1
333	CCC	1
444	DDD	2
555	EEE	3
666	DDD	2
666	FFF	2
777	CCC	1

df_output = pd.DataFrame('ID_1': ['111', '111', '222', '333', '333', '444', '555', '666', '666', '777'],
                      'ID_2': ['AAA', 'BBB', 'AAA', 'BBB', 'CCC', 'DDD', 'EEE', 'DDD', 'FFF', 'CCC'],
                      'ID_3': ['1', '1', '1', '1', '1', '2', '3', '2', '2', '1'])

明确条件

第 1 行和第 2 行的 ID_1 相同，因此它们的 ID_3 必须相同。

第 3 行的 ID_2 与第 1 行相同，因此其 ID_3 必须与第 1 行相同 = 1。

第 4 行的 ID_2 与第 2 行相同，因此必须将其 ID_3 设置为与 2nd = 1 相同。

第 5 行的 ID_1 与第 4 行相同，因此 ID_3 = 1。

此时第 6 行是 ID_1 和 ID_2 的唯一组合，因此标记为 ID_3 = 2。

第 7 行 = 3。

但 8th 的 ID_2 与 6th 相同，所以 ID_3 = 2。

等等

【问题讨论】：

请将输出粘贴为代码或表格，而不是图片

给你））

您能说明一下您的情况吗？为什么有些行 ID_3 = 1 而其他行 2。“共同”方面在哪里？

您的标准不明确。为什么第一行和第二行的 ID_3 相同？

第1行和第2行ID_1相同，所以ID_3必须相同 第3行和第1行ID_2相同，所以ID_3必须和第1行相同

【参考方案1】：

我想我们可以使用networkx 来解决这个问题：

import networkx as nx

G=nx.Graph()
G.add_edges_from(df[['ID_1','ID_2']].to_numpy().tolist())
cc = list(nx.connected_components(G))
L=[dict.fromkeys(b,a) for a, b in enumerate(cc,1)]
d=k: v for d in L for k, v in d.items()
out = df.assign(ID_3=df['ID_2'].map(d))

---

print(out)

  ID_1 ID_2  ID_3
0  111  AAA     1
1  111  BBB     1
2  222  AAA     1
3  333  BBB     1
4  333  CCC     1
5  444  DDD     2
6  555  EEE     3
7  666  DDD     2
8  666  FFF     2
9  777  CCC     1

查看连接的组件：

print(cc)
['111', '777', '222', 'AAA', '333', 'BBB', 'CCC', 
 'DDD', 'FFF', '666', '444', '555', 'EEE']

【讨论】：

非常感谢！我已经苦苦挣扎了一个星期来解决。

哇，没想到 networkx 会包含在 pandas 问题的解决方案中。学到了一些新东西。

@Pygirl networkx 也有一个 nx.from_pandas_edgelist 方法来添加边。 :)