python - 为网络图重构 pandas 数据框

Question

我正在构建一个 pandas 数据框架来制作网络图。我的数据框目前如下所示:

Group1 Group2 Group3 Asset
A      A      A      MI
A      A      A      JI
A      A      A      MI
A      A      A      JI
A      A      A      MI
A      A      B      MI
A      A      C      MI
A      A      C      PA
A      A      C      MI
A      A      C      PA
A      A      C      MI
A      A      C      PA
A      A      C      MI
A      A      C      PA
A      A      C      MI

我想操纵它看起来像这样:

Source Target Weight
MI     JI     1
MI     MI     1
MI     PA     1
JI     MI     1
PA     MI     1

本质上，我想将第 1、2 和 3 组的每个唯一配对的 Assets 列分成 2 列，每个可能的组合。配对的第一部分将构成源列，第二部分将构成配对将构成目标列。对于这个最小的示例，只有第 3 组发生变化。权重列代表各个 Assets 的总配对总和。

有人可以帮我指出正确的方向吗？任何帮助将不胜感激!

这里是一些生成 df 的示例代码:

df = pd.DataFrame({'Group1': ['A','A','A','A', 'A','A','A', 'A','A','A', 'A','A','A', 'A','A'],
                   'Group2': ['A','A','A','A', 'A','A','A', 'A','A','A', 'A','A','A', 'A','A'],
                   'Group3': ['A','A','A','A','A','B','C','C','C','C','C','C','C','C','C'],
                   'Asset': ['MI','JI','MI','JI','MI','MI','MI','PA','MI','PA','MI','PA','MI','PA','MI']
                   
                   })

Answer 1

import itertools as it
import pandas as pd

df = pd.DataFrame({'Group1': ['A','A','A','A', 'A','A','A', 'A','A','A', 'A','A','A', 'A','A'],
                   'Group2': ['A','A','A','A', 'A','A','A', 'A','A','A', 'A','A','A', 'A','A'],
                   'Group3': ['A','A','A','A','A','B','C','C','C','C','C','C','C','C','C'],
                   'Asset': ['MI','JI','MI','JI','MI','MI','MI','PA','MI','PA','MI','PA','MI','PA','MI']
                   })

def assets_pairs(assets_group):
    unique_assets = set(assets_group)
    if len(unique_assets) == 1:
        x = assets_group.iat[0]  # get the only unique asset
        pairs = [[x, x]]
    else:
        pairs = it.permutations(unique_assets, r=2)  # get all the unique pairs without repeated elements
    return pd.DataFrame(pairs, columns=['Source', 'Target']) 
   
df_pairs = (
    df.groupby(['Group1', 'Group2', 'Group3'])['Asset']
      .apply(assets_pairs)   # create asset pairs per group 
      .groupby(['Source', 'Target'], as_index=False)  # compute the weights  by 
      .agg(Weights = ('Source', 'size'))              # counting the unique ('Source', 'Target') pairs
)

>>> df_pairs

  Source Target  Weights
0     JI     MI        1
1     MI     JI        1
2     MI     MI        1
3     MI     PA        1
4     PA     MI        1