在由成对的项目组成的约50万行的列表中，我试图建立一个文件，旨在为每个项目分配一个与它们所属的组相关的ID。进一步的解释如下。
而且，我需要一些帮助，以一种聪明高效的方式来获得结果（即pythonic）
==============
我想做的事
将输入文件df0转换为所需的输出df2
例如，起始文件看起来像这样（但有500k条目），其中从item1到item2的关系由数据帧的结构确定。
df0：输入
df0 = pd.DataFrame({
"item 1": ['Q', 'R', 'B', 'A'],
"item 2": ['R', 'P', 'A', 'C']
})
内容如下：项目Q与项目R相关，项目R与项目P相关，因此项目Q与项目P相关（与A，B和C相同）。在这种情况下，关系的可传递性导致构建两组项目。
每个项目仅属于1组。
在实际案例文件中，组最多可以容纳11个项目。
字母顺序不起作用
多亏了对stackoverflow的其他贡献，我设法将所有可传递项分组为单个集合，并为它们分配了单个组号（或ID）。意思是我得到一个看起来像这样的数据框：
df1 = pd.DataFrame({
"items": [{'Q', 'R', 'P'}, {'B', 'A', 'C'} ],
"group": [1, 2]
})
现在将上面的结果转换为支持进一步的数据后处理，并且所需的结果应如下所示：
df2：所需的输出
df2 = pd.DataFrame({
"items": ['Q', 'R', 'P', 'B', 'A', 'C' ],
"group": [1, 1, 1, 2, 2, 2 ]
})
==============
到目前为止我所做的
步骤1：将df1.item转换为一系列单项
d = df1.item
e = list(sorted(set(chain.from_iterable(d))))
df2 = pd.DataFrame({'item':e})
步骤2：“ vlookup” df2.items通过df1.items返回df1.group
df2['group'] = ''
n = 0
for row in df2.items :
m = 0
for row in df1.items :
if df2['items'][n] in df1['items'][m]:
df2['group'][n] = df1['group'][m]
m = m + 1
n = n + 1
==============
它确实适用于小型表，但不适用于大型数据框。
我现在正在寻求有关以下方面的帮助：
或是第2步的更好代码来增强df2（首选）
或跳过第2步并直接从df1中获得df2的更好方法
非常感谢您的时间和反馈！
最佳答案
IIUC，您可以尝试查看networkx库。
您可以直接从pandas.DataFrame创建非直接网络图，然后使用connected_component_subgraphs方法提取子组：
import networkx as nx
df0 = pd.DataFrame({'item 1': {0: 'Q', 1: 'R', 2: 'B', 3: 'A'},
'item 2': {0: 'R', 1: 'P', 2: 'A', 3: 'C'}})
g = nx.convert_matrix.from_pandas_edgelist(df0, source='item 1', target='item 2')
使用列表推导为新的
DataFrame创建数据subgroups = [(n, i + 1) for i, sg in enumerate(nx.connected_component_subgraphs(g)) for n in sg.nodes]
df2 = pd.DataFrame(subgroups, columns=['items', 'subgroup'])
print(df2)
items subgroup
0 P 1
1 R 1
2 Q 1
3 C 2
4 A 2
5 B 2
关于python - 如何为共享评论元素的子列表的每个元素赋予相关子列表的唯一ID？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/55511992/