Панды: Как создать групповой индекс итеративно

Question

У меня есть фрейм данных в этом формате

| id | account | address |
|----|---------|---------|
| 1  | acc1    | add1    |
| 2  | acc1    | add2    |
| 3  | acc2    | add2    |
| 4  | acc3    | add3    |
| 5  | acc1    | add4    |
| 6  | acc4    | add5    |
| 7  | acc2    | add6    |
| 8  | acc5    | add7    |
| 9  | acc6    | add4    |
| 10 | acc7    | add8    |
| 11 | acc8    | add9    |
| 12 | acc2    | add10   |
| 13 | acc3    | add11   |
| 14 | acc9    | add12   |

Теперь я хочу создать групповой индекс, в котором я хочу найти группы, в которых учетная запись или адрес уже является частью группы.Примерно так:

| id | account | address | group_index |
|----|---------|---------|-------------|
| 1  | acc1    | add1    | group1      |
| 2  | acc1    | add2    | group1      |
| 3  | acc2    | add2    | group1      |
| 4  | acc3    | add3    | group2      |
| 5  | acc1    | add4    | group1      |
| 6  | acc4    | add5    | group3      |
| 7  | acc2    | add6    | group1      |
| 8  | acc5    | add7    | group4      |
| 9  | acc6    | add4    | group1      |
| 10 | acc7    | add8    | group5      |
| 11 | acc8    | add9    | group6      |
| 12 | acc2    | add10   | group7      |
| 13 | acc3    | add11   | group2      |
| 14 | acc9    | add12   | group8      |

Итак, сначала я начну с id (1) = (acc1, add1) и назначу групповой индекс, скажем group1 .Тогда id (2) есть (acc1, add2);поскольку acc1 уже является частью group1 , я назначаю этот идентификатор (2) также для group1 .Тогда id (3) есть (acc2, add2);Поскольку add2 уже является частью group1 (из предыдущего назначения), я назначаю id (3) также для group1 .

Аналогично, яхотите создать группы, в которых, если учетная запись или адрес уже есть в группе, все идентификаторы, в которых указана учетная запись или адрес, должны быть частью одной группы.

Answer 1

Я считаю, что вам нужно:

import networkx as nx

# Create the graph from the dataframe
g = nx.Graph()
g.add_edges_from(df[['account','address']].itertuples(index=False))

connected_components = nx.connected_components(g)

# Find the component id of the nodes
node2id = {}
for cid, component in enumerate(connected_components):
    for node in component:
        node2id[node] = 'group' + str(cid + 1)

df['new'] = df['account'].map(node2id)
print (df)
    id account address     new
0    1    acc1    add1  group1
1    2    acc1    add2  group1
2    3    acc2    add2  group1
3    4    acc3    add3  group2
4    5    acc1    add4  group1
5    6    acc4    add5  group3
6    7    acc2    add6  group1
7    8    acc5    add7  group4
8    9    acc6    add4  group1
9   10    acc7    add8  group5
10  11    acc8    add9  group6
11  12    acc2   add10  group1
12  13    acc3   add11  group2
13  14    acc9   add12  group7