删除python中属于相同距离分数的对

Question

我正在编写一个代码来计算一行中每个字符串之间的距离。我的代码运行良好。但是，我现在的问题是过滤我的结果，例如，我有以下结果数据帧：

 nodeA    nodeB   distance_score
  0        0            0
  0        1            95
  0        2           105
  1        0            95
  1        1             0
  1        2            128
    ........

我想删除属于相同节点的一行，例如对于（0,1）和（1,0）对，一个条目就足够了。根据我在Matlab中的经验，我可以这样做：迭代两个循环，将每个循环的元素存储在一个数组中，然后检查这些元素是否已经存在于这些数组中，并将它们移除。但我不认为这是在python中优化的方法，因为我有大量的数据文件，这样做会花费很多

Answer 1

另一种方法是使用两个值的冻结集，然后在groupby中使用该值，并获取组中的第一个元素，例如：

df.groupby(df[['nodeA', 'nodeB']].apply(frozenset, axis=1), as_index=False).first()

这将给你：

   nodeA  nodeB  distance_score
0      0      0               0
1      0      1              95
2      0      2             105
3      1      1               0
4      1      2             128

Answer 2

使用np.sort和drop_duplicates

a = df.values.copy()
a[:, :2] = np.sort(a[:, :2], 1)
pd.DataFrame(a, columns=df.columns).drop_duplicates()

使用np.unique和return_index参数：

idx = np.unique(np.sort(a[:, :2], 1), axis=0, return_index=True)[1]
df.loc[idx]

在本例中，两者都产生：

   nodeA  nodeB  distance_score
0      0      0               0
1      0      1              95
2      0      2             105
4      1      1               0
5      1      2             128

---

但是，第一个答案（尽管它总是返回有效的组合）可能返回与原始数据帧不同的行。举个例子：

df = pd.DataFrame({'nodeA': [2], 'nodeB': [0], 'distance_score': [100]})

   nodeA  nodeB  distance_score
0      2      0             100

使用np.sort时：

a = df.values.copy()
a[:, :2] = np.sort(a[:, :2], 1)
pd.DataFrame(a, columns=df.columns).drop_duplicates()

   nodeA  nodeB  distance_score
0      0      2             100

使用np.unique时：

idx = np.unique(np.sort(a[:, :2], 1), axis=0, return_index=True)[1]
df.loc[idx]

   nodeA  nodeB  distance_score
0      2      0             100

如您所见，在本例中，第一种方法将翻转组合顺序。你知道吗