如何在熊猫中按一列或另一列分组

Question

我有一个表：

    col1    col2
0   1       a
1   2       b
2   2       c
3   3       c
4   4       d

如果col1 或 col2中的匹配值，我希望排将它们分组在一起。也就是说，我想要这样的事情：

> (
    df
    .groupby(set('col1', 'col2'))  # Made-up syntax
    .ngroup())
0  0
1  1
2  1
3  1
4  2

有没有办法用大熊猫来做到这一点？

Answer 1

仅仅用大熊猫实现这一点并不容易。实际上，当第二组连接两个项目时，可以连接两个遥远的组。

您可以使用图理论对此进行处理。使用两个（或更多）组形成的边缘找到连接的组件。一个python库为 networkx ：

import networkx as nx

g1 = df.groupby('col1').ngroup()
g2 = 'a'+df.groupby('col2').ngroup().astype(str)

# make graph and get connected components to form a mapping dictionary
G = nx.from_edgelist(zip(g1, g2))
d = {k:v for v,s in enumerate(nx.connected_components(G)) for k in s}

# find common group
group = g1.map(d)

df.groupby(group).ngroup()

output：

0    0
1    1
2    1
3    1
4    2
dtype: int64

graph：

另外使用：

G = nx.from_pandas_edgelist(df, source='col1', target='col2')
mapper = {n: i for i, g in enumerate(nx.connected_components(G)) for n in g}
df['group'] = df['col1'].map(mapper)

输出：

   col1 col2  group
0     1    a      0
1     2    b      1
2     2    c      1
3     3    c      1
4     4    d      2