我有一个边缘列表,其中包含两个产品之间的24 000个不同的边缘。如果产品B是A的子组件,则会在A和B之间创建一条边。
边缘列表采用以下格式:
Parent | Child | Root | Child Meta
AA1 BB1 AA1 ...
AA1 BB2 AA1 ...
BB2 CC1 AA1 ...
AA2 BB3 AA2
AA2 BB4 AA2
BB4 CC1 AA2 ...
BB4 DD1 AA2 ...
DD1 EE1 AA2
DD1 EE2 AA2
BB4 FF1 AA2
FF1 GG1 AA2 ...
GG1 EE3 AA2
因此,我想通过Root
分组,对于DD*
和FF*
形式的所有父母,在EE*
形式中找到与其有直接联系的孩子。在上面的示例中,我希望输出数据框看起来像
Parent | Child | Root | Child Meta
DD1 EE1 AA2 ...
DD1 EE2 AA2 ...
FF1 EE3 AA2 ...
我知道如何做到这一点的唯一方法是遍历pandas DataFrame,并使用递归函数遍历子级,直到我击中EE*
子级。这需要永远。也许这里有使用networkx
的聪明方法?还是有其他方法可以使用速度更快的熊猫来做到这一点?
如果我对问题的理解正确,那么从底部开始并找到向上的节点可能会更快。 (因为1.您知道要“查找”的子级子集,并且2.您的数据似乎像树一样组织,即每个节点在“子级”列中仅出现一次,因此始终只有一个路径向上。)
在普通的Python方法中,类似这样的操作将找到“ E”个子级的所有父节点:
data = """AA1 BB1 AA1
AA1 BB2 AA1
BB2 CC1 AA1
AA2 BB3 AA2
AA2 BB4 AA2
BB4 CC1 AA2
BB4 DD1 AA2
DD1 EE1 AA2
DD1 EE2 AA2
BB4 FF1 AA2
FF1 GG1 AA2
GG1 EE3 AA2"""
# tuple is (parent, child, root)
tuples = {tuple(l.split()) for l in data.split("\n")}
nodeByChild = {n[1]: n for n in tuples}
def expand(nodes):
found = set()
while nodes:
node = nodes.pop()
if not node in found:
current = node
while current:
found.add(current)
current = nodeByChild.get(current[0], None)
return found
leaves = {(p, c, r) for (p, c, r) in tuples if c.startswith("E")}
for t in expand(leaves):
print(t)
如果一个产品可以是一个以上的孩子,那么必须对其进行调整以允许多个“父节点”。