python - 如何根据 Pandas 中的依赖值更新数据框？

Question

我必须根据依赖值更新数据帧。如何才能做到这一点？
例如，输入数据帧 df :

id      dependency
10
20       30
30       40
40
50       10
60       20     

我们这里有: 20 -> 30和 30 -> 40 .所以最终的结果将是 20 -> 40和 30 -> 40 .
同理， 60 -> 20 -> 30 -> 40所以最终结果将是 60 -> 40 .
最后结果:

id      dependency   final_dependency
10
20       30            40
30       40            40
40
50       10            10
60       20            40

Answer 1

您可以使用 networkx 去做这个。首先，创建一个具有依赖关系的节点的图:

df_edges = df.dropna(subset=['dependency'])
G = nx.from_pandas_edgelist(df_edges, create_using=nx.DiGraph, source='dependency', target='id')

现在，我们可以找到每个节点的根祖先并将其添加为一个新列:

def find_root(G, node):
    ancestors = list(nx.ancestors(G, node))
    if len(ancestors) > 0:
        root = find_root(G, ancestors[0])
    else:
        root = node
    return root

df['final_dependency'] = df['id'].apply(lambda x: find_root(G, x))
df['final_dependency'] = np.where(df['final_dependency'] == df['id'], np.nan, df['final_dependency'])

结果数据框:

   id  dependency  final_dependency
0  10         NaN               NaN
1  20        30.0              40.0
2  30        40.0              40.0
3  40         NaN               NaN
4  50        10.0              10.0
5  60        20.0              40.0