Python Pandas - 创建包含节点对和边强度的DataFrame

Question

我正在创建一个简单的网络图，但在将我的数据设置为正确的形状时遇到了一些问题。

我有一个 Pandas DataFrame，其中包含两列，其中包含有关不同实体之间协作的信息。 Project_ID 列列出了项目的 ID，Participating_entity 列列出了参与该项目的一个实体。具有 3 个实体的项目将占用 3 行。这是一个简单的 DF 示例，列出了 3 个项目中 3 个实体之间的协作：

df =  pd.DataFrame([[1,'a'],[1,'b'],[2,'a'],[2,'c'],[3,'a'],[3,'b'],[3,'c']],  columns = ['Project_ID','Participating_entity']) 

#|---------------------|-------------------------|
#|       Project_ID    | Participating_entity    |
#|---------------------|-------------------------|
#|          1          |            A            |
#|          1          |            B            |
#|          2          |            A            |
#|          2          |            C            |
#|          3          |            A            |
#|          3          |            B            |
#|          3          |            C            |
#|---------------------|-------------------------|

我想创建一个新的 DF，显示 Participating_entity 对之间的协作次数。对于上面的简单数据。

#|-------------|-----------|--------------------|
#|  Entity_1   | Entity_2  | Num_collaborations |
#|-------------|-----------|--------------------|
#|     A       |      B    |        2           |
#|     A       |      C    |        2           |
#|     B       |      C    |        1           |
#|-------------|-----------|--------------------|

A 与 B 和 C 各合作了两次。B 和 C 合作了一次。协作应仅列出一次。例如，A 和 B 之间的连接应仅列在 A-B 下，B-A 不应存在任何行。

提前致谢！

Answer 1

一种方法是使用 collections.defaultdict combined with itertools.combinations。可能有一种 pandas-specific 方式，但从本质上讲，这将是 library-specific.

from collections import defaultdict
from itertools import combinations

df_grouped = df.groupby('Project_ID')['Participating_entity'].apply(list).reset_index()

d = defaultdict(int)

for idx, row in df_grouped.iterrows():
    for comb in combinations(row['Participating_entity'], 2):
        d[frozenset(comb)] += 1

# defaultdict(int,
#             {frozenset({'a', 'b'}): 2,
#              frozenset({'a', 'c'}): 2,
#              frozenset({'b', 'c'}): 1})

d = {tuple(sorted(k)): v for k, v in d.items()}

df_out = pd.DataFrame(list(d.items()))\
           .rename(columns={0: 'Entities', 1: 'Num_collaborations'})

df_out = df_out.join(df_out['Entities'].apply(pd.Series))\
               .drop('Entities', 1).rename(columns={0: 'Entity 1', 1: 'Entity 2'})

#    Num_collaborations Entity 1 Entity 2
# 0                   2        a        b
# 1                   2        a        c
# 2                   1        b        c

Answer 2

你可以的directly in NetworkX:

In [210]: G = nx.from_pandas_edgelist(df, 'Project_ID', 'Participating_entity')

In [211]: from networkx.algorithms import bipartite

In [212]: W = bipartite.weighted_projected_graph(G, df['Participating_entity'].unique())

In [213]: W.edges(data=True)
Out[213]: EdgeDataView([('a', 'c', {'weight': 2}), ('a', 'b', {'weight': 2}), ('b', 'c', {'weight': 1})])

Python Pandas - 创建包含节点对和边强度的DataFrame

Python Pandas - Create DataFrame that contains node pairs and edge strength

python

network-programming

networkx

pandas