如何仅在数组具有公共值时组合它们？

Question

对于包含不同分子的文件，我有许多成对的值（成对的键合原子）。如果两对有一个共同的成员，这意味着他们是同一分子的一部分。我试图在python中找到一种有效的方法，根据原子所属的分子对原子进行分组。你知道吗

例如，乙烷和甲烷为：

1,5和9是碳，其余是氢

[[1,2],[1,3],[1,4],[1,5],[5,6],[5,7],[5,8],[9,10],[9,11],[9,12],[9,13]]

我想得到一个列表/数组，其中我有：

[[1,2,3,4,5,6,7,8],[9,10,11,12,13]]

我试过好几种方法，但它们对于包含大量原子的文件来说确实是无效的。应该有个聪明的办法，但我找不到。有什么想法吗？你知道吗

谢谢你， 琼

Answer 1

如果我理解正确的话，你要做的是识别图中的连接成分，其中每个节点是一个原子，每个边是一个键（因此，一个连接成分是一个分子）。在^{}中有一个有效的实现。你知道吗

首先让我们把这个图设为一个稀疏矩阵：

import scipy.sparse as sps

# Input as provided
edges = [[1,2],[1,3],[1,4],[1,5],[5,6],[5,7],[5,8],[9,10],[9,11],[9,12],[9,13]]
# Modify the input by adding, for each [x,y], also [y,x].
# Also transform it to a set and then again to a list
# to assure that we don't duplicate anything.
edges = list({(x[0],x[1]) for x in edges}.union({(x[1],x[0]) for x in edges}))
# Create it as a matrix. The weights of all edges are set to 1,
# as they don't matter anyway.
graph = sps.csr_matrix(([1]*len(edges), np.array(edges).T))

此时，只需调用^{}，但默认情况下输出的格式略有不同：

(3, array([0, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2]))

让我们稍微修改一下：

from scipy.sparse import csgraph
connected_components = csgraph.connected_components(graph)
result = []

for u in range(1, connected_components[0]):
    result.append(np.where(connected_components[1]==u)[0])

result

[array([1, 2, 3, 4, 5, 6, 7, 8], dtype=int64),

array([ 9, 10, 11, 12, 13], dtype=int64)]

还要注意，在range中，我是从1开始的，因为Python标准从0开始计数，而这将作为一个孤立的节点出现，因为您是从1开始的。如果原子的编号是非连续的，则需要跳过孤立节点，例如：

result = [r for r in result if len(r) > 1]