Как networkx обрабатывает 2 кортежа?

Question

Я пытаюсь построить сеть, в которой мои ребра состоят из кортежей. Я пытаюсь сгруппировать все связанные элементы, но только на основе одного элемента в кортеже.

Аналогично: Группировка всех связанных узлов набора данных

Примечание: Панды 23,4

С учетом следующего кадра данных:

  col1     col2     col1Name       col2Name
  'A'       'B'      '12345'        '78911'
  'C'       'B'      '12345'        '78911'
  'J'       'K'      '12345'        '12345'
  'E'       'D'      '12345'        '12345'

Я объединяю col1 и col1Name в кортеж и делаю то же самое с col2 / col2Name.

      col1                col2    
  ('A','12345')       ('B','78911')   
  ('C','12345')       ('B','78911') 
  ('J','12345')       ('K','12345')
  ('E','12345')       ('D','12345')
  ('X','99999')       ('B','99999') 

Отсюда я пытаюсь найти всю «связанную» информацию, но не в отношении второго элемента кортежа, только первого.

Так что, если бы я сгруппировал информацию, она бы выглядела следующим образом:

      col1                col2    
  ('A','12345')       ('B','78911')   
  ('C','12345')       ('B','78911') 
      col1                col2
  ('J','12345')       ('K','12345')
      col1                col2
  ('E','12345')       ('D','12345')
      col1                col2
  ('X','99999')       ('B','99999') 

Обратите внимание, что группы не учитывают col1Name / col2Name, что бы ни было. Эта информация существует только для того, чтобы придать элементам col1 / col2 больше «уникальности». Также стоит отметить, что возможно иметь несколько A, B, C и т. Д. В моем примере ('B','78911') не совпадает с ('B','99999')

Мое мышление (из ссылки):

G.add_edges_from(df.values.tolist())
cc = list(nx.connected_components(G))
component = next(i for i in cc if ('A') in i)
test = df[df.isin(component).all(1)]

Возвращает все группы, связанные с «A», но также и группы, связанные с «12345», «78911». Я пытаюсь сгруппировать только по первому элементу.

Answer 1

Вы писали:

Обратите внимание, что в группировках не учитывается col1Name / col2Name вообще.

и:

Однако ('B', '99999') не входит в ту же группу, что и ('B', '78911')

Это противоречит.Чем они отличаются, если вы «не принимаете во внимание col1Name / col2Name»?Также в вашем фрейме данных отсутствует "X".

Так что вы группируете вместе?Вы писали:

('X', '99999') и ('B', '99999') сгруппированы вместе

Но это всего лишь два кортежа втот же ряд.В своем первом посте вы написали, что вы группируете по одинаковым значениям в col1 или равным значениям в col2 по всем строкам.Так что же это?А как выглядят данные в df?Я не могу воспроизвести ваш пример кода.Попытайтесь объяснить более точно, что вы хотите сделать.

Учитывая противоречивую и недостающую информацию, я прошу вас попытаться: «Сгруппировать строки, которые имеют одинаковые значения в col1 или col2».

Если вы получили ваши данные только в виде кортежей (как вы написали), вы потеряете информацию о строках, поэтому я не думаю, что вы это имели в виду.

Поскольку вы описываете сеть с ребрами и (как выписал (а): ваши столбцы col1Name и col2Name должны игнорироваться для группировки, вы должны дать правильные кортежи для метода connected_components().Выглядит так:

l = [('A', 'B'),('C', 'B'),('J', 'K'),('E','D'),('X','B')]

G=nx.Graph()
G.add_edges_from(l)
cc = list(nx.connected_components(G))
component = next(i for i in cc if ('A') in i)

#{'B', 'X', 'C', 'A'}

for x in l:
    if x[0] in component or x[1] in component:
        print (x)

>>> ('A', 'B')
>>> ('C', 'B')
>>> ('X', 'B')

Метод networkX connected_component () группирует все кортежи, которые имеют одно равное значение.Если вы хотите использовать этот метод, вы должны предоставить ему правильные данные.