分享一个Pandas应用实战案例——使用Python实现根据关系进行分组

一、前言

近日，有群友提出这样的问题：

群友提示可以使用ChatGPT，并给出代码：

二、实现过程

这里【瑜亮老师】给出了另外一个答案，与此同时，根据需求，构造数据，使用pandas也可以完成需求，代码如下：

import pandas as pd

data = [
    ['刘备', '关羽'], ['刘备', '张飞'],
    ['曹操', '夏侯'], ['张飞', '诸葛'],
    ['夏侯', '荀彧'], ['孙权', '鲁肃']
]

df = pd.DataFrame(data, columns=['发起', '接收'])


# 创建一个空字典用于存储人名与组别的映射关系
groups = {}

# 遍历数据框的每一行
for _, row in df.iterrows():
    sender = row['发起']
    receiver = row['接收']

    # 检查发起者是否已存在于映射关系中
    if sender not in groups:
        # 如果不存在，则将发起者添加到映射关系中，并分配一个新的组别
        group = max(groups.values()) + 1 if groups else 1
        groups[sender] = group

    # 检查接收者是否已存在于映射关系中
    if receiver not in groups:
        # 如果不存在，则将接收者添加到映射关系中，并分配与发起者相同的组别
        group = groups[sender]
        groups[receiver] = group

# 根据人名与组别的映射关系更新数据框的'组别'列
df['组别'] = df['发起'].map(groups)
print(df)

# 同时可以将groups也用字典形式输出
result = {}
for k, v in groups.items():
    if v not in result.keys():
        result[v] = k
    else:
        result[v] += ',' + k
print(result)


运行之后可以得到如下结果：

同时，根据大佬的提示，在python中这是典型的查找连通图的问题，直接的思路是使用现成的networkx包直接调用求解连通图的算法即可，代码如下：

import networkx as nx

g = nx.Graph()
data = [
    ['刘备', '关羽'], ['刘备', '张飞'],
    ['曹操', '夏侯'], ['张飞', '诸葛'],
    ['夏侯', '荀彧'], ['孙权', '鲁肃']
]
g.add_edges_from(data)

for sub_g in nx.connected_components(g):
    g_node = g.subgraph(sub_g).nodes()
    print(g_node)

代码运行后的结果如下：

使用networkx我们还可以将图绘制出来：

from matplotlib import pyplot as plt
import networkx as nx
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
g = nx.Graph()
data = [
    ['刘备', '关羽'],    ['刘备', '张飞'],
    ['曹操', '夏侯'],    ['张飞', '诸葛'],
    ['夏侯', '荀彧'],    ['孙权', '鲁肃']
]
g.add_edges_from(data)
nx.draw_networkx(g)


代码运行后的结果如下：

三、总结

这篇文章主要盘点了一个Pandas数据分析的问题，文中针对该问题，给出了具体的解析和代码实现，帮助粉丝顺利解决了问题