Pandas数据帧，具有图节点和边的级别，以方阵表示

Question

我的Googlefu让我失望了！

我有一个熊猫DataFrame的形式：

Level 1   Level 2   Level 3   Level 4
-------------------------------------
A         B         C         NaN
A         B         D         E
A         B         D         F
G         H         NaN       NaN
G         I         J         K

它基本上包含了一个图的节点，这些节点描述了从低阶到高阶的输出边。我要转换数据帧/创建窗体的新数据帧：

^{pr2}$

包含1的单元格描述从相应行到相应列的传出边缘。有没有一种Python式的方法可以在大熊猫身上无环无条件地实现这一目标？

Answer 1

请尝试以下代码：

df = pd.DataFrame({'level_1':['A', 'A', 'A', 'G', 'G'], 'level_2':['B', 'B', 'B', 'H', 'I'],
    'level_3':['C', 'D', 'D', np.nan, 'J'], 'level_4':[np.nan, 'E', 'F', np.nan, 'K']})

您的输入数据帧是：

^{pr2}$

解决方案是：

# Get unique values from input dataframe and filter out 'nan' values
list_nodes = []
for i_col in df.columns.tolist():
    list_nodes.extend(filter(lambda v: v==v, df[i_col].unique().tolist()))

# Initialize your result dataframe
df_res = pd.DataFrame(columns=sorted(list_nodes), index=sorted(list_nodes))
df_res = df_res.fillna(0)

# Get 'index-column' pairs from input dataframe ('nan's are exluded)
list_indexes = []
for i_col in range(df.shape[1]-1):
    list_indexes.extend(list(set([tuple(i) for i in df.iloc[:, i_col:i_col+2]\
        .dropna(axis=0).values.tolist()])))

# Use 'index-column' pairs to fill the result dataframe
for i_list_indexes in list_indexes:
    df_res.set_value(i_list_indexes[0], i_list_indexes[1], 1)

最终结果是：

   A  B  C  D  E  F  G  H  I  J  K
A  0  1  0  0  0  0  0  0  0  0  0
B  0  0  1  1  0  0  0  0  0  0  0
C  0  0  0  0  0  0  0  0  0  0  0
D  0  0  0  0  1  1  0  0  0  0  0
E  0  0  0  0  0  0  0  0  0  0  0
F  0  0  0  0  0  0  0  0  0  0  0
G  0  0  0  0  0  0  0  1  1  0  0
H  0  0  0  0  0  0  0  0  0  0  0
I  0  0  0  0  0  0  0  0  0  1  0
J  0  0  0  0  0  0  0  0  0  0  1
K  0  0  0  0  0  0  0  0  0  0  0