使用家谱SQL或Python创建每个人的列表

Question

我有一张表，其中所有父母都与孩子相关联。一位父母可以有一个或多个孩子。一个孩子可以有多个父母之一。任何没有任何链接的项目都不在链接表中。这是它的外观示例。

家长	孩子
A	B
A	C
A	D
D	E
G	H
我	J
J	K
L	M
O	M
N	P
问	R
R	P

我理想的输出是一个家庭中所有项目的列表。例如：

Family 1 = [A, B, C, D, E]  
Family 2 = [G, H]  
Family 3 = [I, J, K]  
Family 4 = [L, M, O]  
Family 5 = [P, N, Q, R]  

我尝试过的事情：

1. SQL 中的递归查询查找最顶层的祖先，然后查找后代。问题：因为最顶层的祖先甚至可能是 3 个父母，所以越来越难以深入分析
2. 在Python中甚至循环遍历单行。对于第一行标签，该标签链接一个家庭。然后，第二行将检查是否有任何链接的项目在系列 1 中，如果是，则将其添加到系列中，如果不是，则成为一个新系列。对每一行重复此操作。问题：族 5 提出了一个有趣的问题，因此 [P，N] 将是一个族，然后是 [Q，R]，但是当遇到链接 R > P 时，我需要考虑匹配两个族的链接并将它们合并或合并在结束。

我有大约 15000 个链接，我想这样做，并且正在寻找有效的东西。我对 python 和 SQL 以及递归或其他方法的使用持开放态度。谢谢！

Answer 1

假设你有这个数据框：

   Parent Child
0       A     B
1       A     C
2       A     D
3       D     E
4       G     H
5       I     J
6       J     K
7       L     M
8       O     M
9       N     P
10      Q     R
11      R     P

---

然后可以使用

networkx

来获取所有连通分量：

import networkx as nx

G = nx.Graph()
for p, c in zip(df.Parent, df.Child):
    G.add_edge(p, c)

for c in nx.connected_components(G):
    print(c)

打印：

{'A', 'C', 'D', 'B', 'E'}
{'G', 'H'}
{'K', 'J', 'I'}
{'M', 'L', 'O'}
{'P', 'R', 'N', 'Q'}