在熊猫中创建层次结构列

如何解决在熊猫中创建层次结构列

我有一个这样的数据框：

-c 4

我需要像这样添加一个额外的列层次结构：

    part part_parent
0  part1         NaN
1  part2       part1
2  part3       part2
3  part4       part3
4  part5       part2

创建输入/输出数据帧的字典：

    part part_parent                hierarchy
0  part1         NaN                    part1
1  part2       part1             part1/part2/
2  part3       part2       part1/part2/part3/
3  part4       part3  part1/part2/part3/part4
4  part5       part2        part1/part2/part5

注意：我已经看到几个与 from numpy import nan df1 = pd.DataFrame({'part': {0: 'part1',1: 'part2',2: 'part3',3: 'part4',4: 'part5'},'part_parent': {0: nan,1: 'part1',2: 'part2',3: 'part3',4: 'part2'}}) df2 = pd.DataFrame({'part': {0: 'part1',4: 'part2'},'hierarchy': {0: 'part1',1: 'part1/part2/',2: 'part1/part2/part3/',3: 'part1/part2/part3/part4',4: 'part1/part2/part5'}}) 相关的线程来解决这个问题，但我无法这样做。

感谢任何帮助。

解决方法

这是一个使用 networkx 的解决方案。它将 nan 视为根节点，并以此为基础找到到每个节点的最短路径。

import networkx as nx

def find_path(net,source,target):
    # Adjust this as needed (in case multiple paths are present)
    # or error handling in case a path doesn't exist
    path = nx.shortest_path(net,target)
    return "/".join(list(path)[1:])

net = nx.from_pandas_edgelist(df1,"part","part_parent")
df1["hierarchy"] = [find_path(net,nan,node) for node in df1["part"]]

---

    part part_parent                hierarchy
0  part1         NaN                    part1
1  part2       part1              part1/part2
2  part3       part2        part1/part2/part3
3  part4       part3  part1/part2/part3/part4
4  part5       part2        part1/part2/part5

路径的格式是为这个例子设计的，如果需要更强大的错误处理或多路径格式，则必须调整路径查找器。

,

这是一种递归方法。它使用一个包含每个元素的父元素的系列来查找给定的父元素，然后返回原始父元素，直到找到 NaN。此时它返回层次结构。

注意。如果你有一个循环网络或未定义的父节点（后者可以很容易地修复是需要的），这将不起作用

import pandas as pd

parents = df1.set_index('part')['part_parent']
def hierarchy(e):
    if not isinstance(e,list):
        return hierarchy([e])
    parent = parents[e[0]]
    if pd.isna(parent):
        return '/'.join(e)
    return hierarchy([parent]+e)

df2 = df1.copy()
df2['hierarchy'] = df1['part'].apply(hierarchy)