如何根据数据帧列的序列关系对其进行分组

Question

我试图根据它们在两列之间的顺序关系进行分组。在

d = {'df1':[10,20, 30, 60, 70, 40, 30, 70], 'df2':[20, 30, 40, 80, 70, 50, 90, 100]}

df = pd.DataFrame(data = d)
df

   df1  df2
0   10  20
1   20  30
2   30  40
3   60  80
4   80  70
5   40  50
6   30  90
7   70  100

我期望结果如下：

让它变得更多清除：-df1和df2有一个基于它们的序列的关系。例如，10与20有直接关系，10与30到20有间接关系。10与40、20、30有间接关系。再举一个例子，80和70有直接关系，和100到70有间接关系。这对其余的列值有效。在

^{pr2}$

我正在尝试使用下面的脚本，但未能成功。在

^{3}$

有人能帮上忙吗？如果在堆栈溢出处有类似的解决方案，请告诉我。在

编辑： 第一个答案与上面的例子完美地结合在一起，但是当我尝试使用我想要做的数据时，它不能正确地工作。我的真实数据如下所示。在

    df1 df2
0   10  20
1   10  30
2   10  80
3   10  90
4   10  120
5   10  140
6   10  170
7   20  180
8   30  40
9   30  165
10  30  175
11  40  20
12  40  50
13  50  60
14  60  70
15  70  180
16  80  180
17  90  100
18  100 110
19  110 180
20  120 130
21  130 180
22  140 150
23  150 160
24  160 165
25  165 180
26  165 200
27  170 175
28  175 180
29  175 200
30  180 190
31  190 200
32  200 210
33  210 220
34  220 230
35  230 240
36  240 -

Answer 1

这应该可以做到：

def recursive_walk(df, node):
    parents=df.loc[(df['df1']==node) & (df['df2']!=node), 'df2'].tolist()
    if(len(parents)==0):
        yield node
    else:
        for parent in parents:
            yield parent
            lst=[el for el in recursive_walk(df, parent)]
            for el in lst:
                yield el

df['tree']=df.apply(lambda x: list(set([el for el in recursive_walk(df, x['df2'])]+[x['df2']])), axis=1)

输出：

^{pr2}$

（*）我还检查了extended dataframe-它非常快，我不会共享输出，因为我的IDE正在截断它；）