Python：不仅根据值，还根据其他参与者的最小距离对选择单个最小距离对

Posted 2023-03-12

【中文标题】Python：不仅根据值，还根据其他参与者的最小距离对选择单个最小距离对

【英文标题】：Python: Select single minimum-distance pair based not only on values, but also on other participants minimum-distance pairs

【发布时间】：2021-07-07 01:09:02

【问题描述】：

例如，我有两个实体列表和一个测量它们之间距离的函数。 假设它是名称和电子邮件。在下表中，我测量了每封电子邮件与每个姓名的距离。

    1@ - A:0.2, B:0.3, C:0.4, D:0.6
    2@ - A:0.15, B:0.2, C:0.2, D:0.5
    3@ - A:0.1, B:0.05, C:0.03, D:0.2

现在我想为名称中的每个电子邮件找到单个最小距离对。但是，请注意，如果两个电子邮件具有相同的最小距离候选名称，则距离最小的人获胜。在这种情况下，另一封电子邮件应该选择第二个最接近的候选名称并再次检查。

所以，在这种情况下，结果应该是：

    1@: B  
    2@: A
    3@: C

表格说明：

emails/names	A	B	C	D
1@	0.2	0.3	0.4	0.6
2@	0.15	0.2	0.2	0.5
3@	0.1	0.05	0.03	0.2

速度很重要。它可以以数据帧或字典的形式处理，没关系。 感谢您的帮助。

---

更新：

当Email数量>Names数量时有可能，所以有些Email会被unassign，也需要catch。

【参考方案1】：

假设你有这个数据框：

  emails/names     A     B     C    D
0           1@  0.20  0.30  0.40  0.6
1           2@  0.15  0.20  0.20  0.5
2           3@  0.10  0.05  0.03  0.2

然后：

df = df.set_index("emails/names")
numpy_df = df.to_numpy()

forbidden_rows, forbidden_cols = [], []
while len(forbidden_rows) != len(df):
    row, col = np.unravel_index(numpy_df.argmin(), df.shape)
    numpy_df[:, col] = np.inf
    numpy_df[row, :] = np.inf
    forbidden_rows.append(df.index[row])
    forbidden_cols.append(df.columns[col])

for r, c in zip(forbidden_rows, forbidden_cols):
    print(r, c)

打印：

3@ C
2@ A
1@ B

编辑：首先将数据帧转换为numpy.ndarray。

---

编辑：打印未分配的电子邮件：

对于这个数据框：

  emails/names     A     B     C    D
0           1@  0.20  0.30  0.40  0.6
1           2@  0.15  0.20  0.20  0.5
2           3@  0.10  0.05  0.03  0.2
3           4@  0.10  0.05  0.03  0.2
4           5@  0.11  0.25  0.43  0.2
5           6@  0.12  0.35  0.53  0.3

这个：

df = df.set_index("emails/names")
numpy_df = df.to_numpy()

forbidden_rows, forbidden_cols = [], []
while len(forbidden_rows) != len(df) and len(forbidden_cols) != len(df.columns):
    row, col = np.unravel_index(numpy_df.argmin(), df.shape)
    numpy_df[:, col] = np.inf
    numpy_df[row, :] = np.inf
    forbidden_rows.append(df.index[row])
    forbidden_cols.append(df.columns[col])

for r, c in zip(forbidden_rows, forbidden_cols):
    print(r, c)

print("Unassigned emails:")
print(df.index[~df.index.isin(forbidden_rows)].values)

打印：

3@ C
4@ B
5@ A
6@ D
Unassigned emails:
['1@' '2@']

【讨论】：

哇，很酷的解决方案！我仍然需要一些时间来处理它，了解 np.unravel_index 的工作原理，但解决方案似乎是正确的。谢谢。

@Oleksii 我“借用”了这个：***.com/questions/3230067/…

另一个请求 - 有时可能是电子邮件多于名称时的情况。如何捕获此类“未分配”的电子邮件？