python - 带有 bool OR 的 Pandas groupby

Question

我想根据 pandas 中的 bool OR 标准生成一组组。组由与 A 列或 B 列匹配的成员组成。

例如，在此数据框中:

df = pd.DataFrame([[1,1],[2,2],[2,3],[2,4],[3,3],[4,5]], columns = ['A','B'])

   A  B
0  1  1
1  2  2
2  2  3
3  2  4
4  3  3
5  4  5

因为第 1、2 和 3 行在 A 列上匹配，第 2 行和 4 行在 B 列上匹配，所以我希望 id 值为:

   A  B  id
0  1  1  0
1  2  2  1
2  2  3  1
3  2  4  1
4  3  3  1
5  4  5  2

除了创建带有连接的 NxN scipy 图并使用 scipy.sparse.csgraph.connected_components 之外，我找不到任何解决方案。还有更直接的选择吗？

Answer 1

注意，我认为这是网络问题，因此我们使用 networkx

import networkx as nx
G=nx.from_pandas_edgelist(df, 'A', 'B')
l=list(nx.connected_components(G))
l
[{1}, {2, 3}]

from itertools import chain
l=[dict.fromkeys(y,x)for x,y in enumerate(l)]#create the list of dict for later map 
d=dict(chain(*map(dict.items,l)))# flatten the list of dict to one dict 

df['ID']=df.B.map(d)

df
   A  B  ID
0  1  1   0
1  2  2   1
2  2  3   1
3  3  3   1

<小时/>

更新

s1=df.A.astype('category').cat.codes.sort_values()

s2=df.B.astype('category').cat.codes.sort_values()

s=((s1==s1.shift())|(s2==s2.shift())).eq(False).cumsum()
s
#df['new']=s
Out[25]:
0    1
1    2
2    2
3    2
4    2
5    3
dtype: int32+