提问人：8ull53y3 提问时间：9/7/2023 最后编辑：8ull53y3 更新时间：9/7/2023 访问量：32
在 python 数据帧中执行 vlookup 类型链，该链标记完成的迭代次数并在另一个数据帧中发布结果
Doing a vlookup type chain in a python dataframe, which labels the number of iterations complete and publishes results in another dataframe
问：
我希望在数据帧中尝试 vlookup 链，并将结果发布在新的数据帧中。
实际的数据帧与列一样多，但对于此任务，我只对 2 列感兴趣。放置在数据帧中的数据或元素不是随机的，并且都链接在一起，因此 a 列中的值与 b 列相关。下面的虚拟数据可能无法正确显示这一点，但也许我的输出可能有意义。
data = {'a': [111, 112, 113, 114, 115, 215, 214, 213, 212, 211],
'b': [112, 113, 114, 115, 116, 214, 213, 212, 211, 210]}
有了上面的输出，我想首先检查一下，例如，b列中存在的a列中的每个元素是否都是我的初始搜索开始。
例如，如果我们使用 115 作为示例（我知道它不是第一个元素，但无论第一个元素如何，我都希望每个元素重复这个结果）
115 存在于两列中，在 B 列中搜索它，然后找到后，查看与 A 列 b 列中 115 相同的索引值，即 114，现在在 B 列中搜索 114，找到后在 A 列中搜索 found114 的索引，即 113 并完成，直到找不到更多。这是第一个完整的迭代循环，然后第二个循环将是相同的，但对于 215。
新的 df 将如下所示：
new_df = {'found': [112, 113, 114, 115, 214, 213, 212, 211],
'iteration': [1, 1, 1, 1, 2, 2, 2, 2]}
如果可能的话，省略半循环，所以如果 114 是一个新的起点，它将导致 114、113 和 112，但由于它是 115 中更大链的子集，我想省略它。
示例代码如下：
matches = df[df['a'].isin(df['b'])]
current_value = [df.loc[matches.index, 'a']][0]
result_dict = {'a': [], 'Chain':[]}
iteration = 1
for iteration, start_value in enumerate(starting_values, start=1):
current_value = start_value
visited_values = set()
#iteration += 1
values_in_loop = []
while True:
result.append(current_value)
#iteration_results.add(iteration, start_value)
if current_value in df['b'].values and current_value not in visited_values:
current_index = df.index[df['b'] == current_value][0]
current_value = df['a'].iloc[current_index]
visited_values.add(current_value)
values_in_loop.append(current_value)
else:
break
iteration += 1
new_df = pd.DataFrame({'found': result[::], 'Chain': iteration})
new_df
我在 stackoverflow 上找到的另一个类似问题的例子链接在这里：在 python 中使用两列构建链
b a
Type1 Type2
Type3 Type4
Type8 Type13
Type3 Type15
Type2 Type6
Type4 Type9
Type6 Type11
Type9 Type18
Type13 Type20
输出结果如下，该问题答案使用类似的方法，但以不同的方式应用它，但输出与我的要求不同。希望这会有所帮助
found iteration
Type2 1
Type6 1
Type11 1
Type 4 2
Type 9 2
Type 18 2
Type 13 3
Type 20 3
答：
0赞
mozway
9/7/2023
#1
这是一个图问题，使用带有weakly_connected_components的网络，并选择 pandas.factorize：
# pip install networkx
import networkx as nx
G = nx.from_pandas_edgelist(df, source='b', target='a', create_using=nx.DiGraph)
groups = {n: i for i, g in enumerate(nx.weakly_connected_components(G), start=1)
for n in g}
m = df['a'].isin(df['b'])
out = pd.DataFrame({'found': df.loc[m, 'a'],
'iteration': df.loc[m, 'a'].map(groups)
})
# optional
# if you must ensure that the numbers are 1 -> n without missing ones
out['iteration'] = pd.factorize(out['iteration'])[0]+1
输出：
found iteration
1 112 1
2 113 1
3 114 1
4 115 1
6 214 2
7 213 2
8 212 2
9 211 2
图：
示例数据集，用于演示以下效果：factorize
data = {'a': [111, 112, 113, 114, 300, 115, 215, 214, 213, 212, 211],
'b': [112, 113, 114, 115, 301, 116, 214, 213, 212, 211, 210]}
df = pd.DataFrame(data)
输出：
found iteration iteration_factorize
1 112 1 1
2 113 1 1
3 114 1 1
5 115 1 1
7 214 3 2
8 213 3 2
9 212 3 2
10 211 3 2
评论