python - 如何正确迭代两列并弹出数据与新 df 匹配的行

Question

我有一个包含两列的数据框，我希望对其进行迭代。这个想法是找到该项目出现的任何行(在任一列中)，然后将该行移动到单独的数据帧。下面的例子，言语很难。

df1:

fname lname fnameNum lnameNum fnameWeight lnameWeight fname+num lname+num
  A     B     1         1        25         35            A,1      B,1
  X     Z     3         9        2          17            X,3      Z,9
  N     M     8         7        14         15            N,14     M,15
  B     A     1         1        35         25            B,1      A,1

我们的想法是执行以下操作:

获取第一行，并将其复制到新的数据框

df2:

fname lname fnameNum lnameNum fnameWeight lnameWeight fname+num lname+num group
  A     B     1         1        25         35            A,1      B,1    1

然后，获取 fname+num 的值并查看 df1 中的哪些行包含完全匹配，同时搜索 fname+num 和 lname+num .

一旦匹配完成并且所有行都被复制，我希望将它们从 df1 中删除。这使得 df2 像这样:

fname lname fnameNum lnameNum fnameWeight lnameWeight fname+num lname+num group
  A     B     1         1        25         35            A,1      B,1    1
  B     A     1         1        35         25            B,1      A,1    1

df1 如下所示:

fname lname fnameNum lnameNum fnameWeight lnameWeight fname+num lname+num
  X     Z     3         9        2          17            X,3      Z,9
  N     M     8         7        14         15            N,14     M,15

我的目标是对 df1 的第一个元素再次执行相同的操作，并继续这样做，直到 df1 实际上为空。

我为尝试解决此问题而编写的方法:

df2.iloc[len(df2)] = df1.iloc[0, :] #get the first row of df1, copy to df2
for row in df1.iterrows():
    for row in df2.iterrows():
        if df2['fname+num'].isin((df1['fname+num' or df1['lname+num'])): 
            df2.loc[len(df2)] = df1.iloc[row]#if there is a match between the df2['fname+num'][0] and any element of any row in df1['fname+num' | 'lname+num'] then copy that entire row from df1 to df2

未显示* 删除 df1 中存在于 df2 中的所有行(超出范围)

Answer 1

我认为您想以特定方式对数据帧进行排序，我首先会找到“fname+num”中每个不同值的第一个位置，然后映射两列“fname+num”和“lname+num”，获取每行两列的 min 并使用这些值进行排序:

#find order of first occurence of each element of the column fname+num
dict_order = {val:i for i, val in enumerate(df1['fname+num'].drop_duplicates())}

# create the minimun of in a column sort once both 
# fname+num and lanem+num are mapped with the dict_order
df1['to_sort'] = (pd.concat([df1['fname+num'].map(dict_order),
                             df1['lname+num'].map(dict_order)], axis=1)
                   .min(axis=1, skipna=True)) 

#sort by this column, 
df2 = df1.sort_values('to_sort').drop('to_sort', axis=1).reset_index(drop=True)

你得到df2:

  fname lname  fnameNum  lnameNum  fnameWeight  lnameWeight fname+num  \
0     A     B         1         1           25           35       A,1   
1     B     A         1         1           35           25       B,1   
2     X     Z         3         9            2           17       X,3   
3     N     M         8         7           14           15      N,14   

  lname+num  
0       B,1  
1       A,1  
2       Z,9  
3      M,15  

根据评论进行编辑，我想说你应该更改dict_order，其中元素之间的所有连接都在 this method 的帮助下创建

import networkx as nx
G=nx.Graph()
all_tuples=tuple(zip(df['fname+num'],df['lname+num']))
G.add_edges_from(all_tuples)
dict_order = { val:i for i, vals in enumerate(nx.connected_components(G)) for val in vals}

然后是相同的其余代码