我有以下數據框： id_parent id_child0 1100 10901 1100 10802 1100 10703 1100 10604 1090 10805 1090 10706 1080 1070我只想保持直接父子連接。示例：1100 有 3 個連接，但只保留 1090，因為 1080 和 1070 已經是 1090 的子節點。此示例 df 僅包含 1 個樣本，df 由多個父/子集群組成。因此，輸出應如下所示： id_parent id_child0 1100 10901 1090 10802 1080 10703 1100 1060示例代碼：import pandas as pd#create sample input df_input = pd.DataFrame.from_dict({'id_parent': {0: 1100, 1: 1100, 2: 1100, 3: 1100, 4: 1090, 5: 1090, 6: 1080}, 'id_child': {0: 1090, 1: 1080, 2: 1070, 3: 1060, 4: 1080, 5: 1070, 6: 1070}})#create sample outputdf_output = pd.DataFrame.from_dict({'id_parent': {0: 1100, 1: 1090, 2: 1080, 3: 1100}, 'id_child': {0: 1090, 1: 1080, 2: 1070, 3: 1060}})我目前的方法是基于這個問題：Creating dictionary of parent child pairs in pandas dataframe 但也許有一種簡單干凈的方法可以解決這個問題而不依賴于額外的非標準庫？
2 回答
鳳凰求蠱
TA貢獻1825條經驗 獲得超4個贊
這對我有用：
# First: group df by child id
grouped = df_input.groupby(['id_child'], as_index=True).apply(lambda a: a[:])
# Second: Create a new output dataframe
OUTPUT = pd.DataFrame(columns=['id_parent','id_child'])
# Third: Fill it with the unique childs ids and the minimun id for their parent in case of more than one.
for i,id_ch in enumerate(df_input.id_child.unique()):
OUTPUT.loc[i] = [min(grouped.loc[id_ch].id_parent), id_ch]
慕妹3146593
TA貢獻1820條經驗 獲得超9個贊
我可以使用得到結果drop_duplicates
In [6]: df
Out[6]:
id_parent id_child
0 1100 1090
1 1100 1080
2 1100 1070
3 1090 1080
4 1090 1070
5 1080 1070
In [9]: df.drop_duplicates(subset=['id_parent']).reset_index(drop=True)
Out[9]:
id_parent id_child
0 1100 1090
1 1090 1080
2 1080 1070
添加回答
舉報
0/150
提交
取消