Pandas - 在数据框中递归查找子项

Question

考虑以下数据框：

    id1    id2
0   aaa    111
1   bbb    222
2   333    ccc
3   999    zzz
4   ccc    111
5   888    zzz
6   zzz    222
7   ddd    888
8   eee    888

如何递归获取给定输入的所有孩子及其孙子的每场比赛的数据框，在我的例子中，输入 = [111, 222]
即
家长 1：111
孩子1：aaa
Child2：ccc（从第 4 行开始）
Child2 的孩子：333（从第 2 行开始）

父 2：222
Child1：bbb
Child2：zzz（从第 6 行开始）
Child2 的 ChildA：888（从第 5 行开始）
Child2 的 ChildB：999（从第 3 行开始）
ChildA 的 Child_i：ddd（从第 8 行开始）
ChildA 的 Child_ii：eee（从第 7 行开始）

每个级别（父级->子级->子级）的预期输出将是：

### for i = 111
# parent level
     id1    id2
0    aaa    111
1    ccc    111

# child level
     id1    id2
0    333    ccc


### for i = 222
# parent level
     id1    id2
0    bbb    222
1    zzz    222

# child level
     id1    id2
0    888    zzz
1    999    zzz

# child of child level
     id1    id2
0    ddd    888    
1    eee    888    

我试过了：

parents = [111, 222]

while len(parents) != 0:
    for i in parents:
        children = df[df['id2'].apply(lambda x: i in str(x))][['id1', 'id2']]
        print(children) #print dataframe of match
    parents = children['id1']

但它并没有完全通过，我想将 lambda 中的 i 更改为列表理解，但没有成功。

Answer 1

如果你只想打印一个缩进图，你可以使用一个简单的递归函数：

def desc(i, indent=0):
    print(' '*indent + i)
    for j in df.loc[df['id2'] == i, 'id1']:
        desc(j, indent + 2)

for i in ('111', '222'): desc(i)

使用示例 df，它给出：

111
  aaa
  ccc
    333
222
  bbb
  zzz
    999
    888
      ddd
      eee

Answer 2

result 数据框也将包含 NaN，但如果您想删除它们，请使用 result.dropna()：

from io import StringIO
d = StringIO("""
ix    id1    id2
0   aaa    111
1   bbb    222
2   333    ccc
3   999    zzz
4   ccc    111
5   888    zzz
6   zzz    222
7   ddd    888
8   eee    888
""")

import pandas as pd

df = pd.read_csv(d, sep='\s+', index_col='ix')

df.columns

result = (
    df.rename(columns={'id2': 'id_parent', 'id1': 'id_child'})
    .merge(df.set_index('id2'), how='left', left_on='id_child', right_index=True)
    .rename(columns={'id1': 'id_grandchild'})
)

result

例如，列出所有孙子的方法如下：

result.dropna().groupby('id_parent')['id_grandchild'].agg(list).reset_index()

这是一种创建查找字典的方法，其中包含个人的所有孙子孙辈：

dict_parents = result.dropna().groupby('id_parent')['id_grandchild'].agg(list).to_dict()
# e.g. try: print(dict_parents['222'])

以下是获取特定个人结果的方法：

specific_ids = ['111', '222']

result = (
    df[df['id2'].isin(specific_ids)].rename(columns={'id2': 'id_parent', 'id1': 'id_child'})
    .merge(df.set_index('id2'), how='left', left_on='id_child', right_index=True)
    .rename(columns={'id1': 'id_grandchild'})
)

result.dropna()