基于数据框的两列创建网络并将其组件 ID 添加为新的聚合列

Question

在 R 中，我可以基于数据帧的两列创建网络，然后将其集群成员 ID 作为新的聚合列分配给原始数据帧，如下所示。

library(igraph)
library(data.table)
g = graph_from_data_frame(df[, .(col1, col2)])
clu = clusters(g)
df[, cluId := clu$membership[as.character(df[, col1])]]

您将如何在 Python 中使用 pandas 和 igraph 或 networkx 执行相同的操作？ 我在这里发现了一个类似的问题，但提供的答案很慢。

Assigning Group ID to components in networkx

示例：

Answer 1

import networkx as nx

# Create the graph from the dataframe
g = nx.Graph()
g.add_edges_from(df.itertuples(index=False))

connected_components = nx.connected_components(g)

# Find the component id of the nodes
node2id = {}
for cid, component in enumerate(connected_components):
    for node in component:
        node2id[node] = cid

现在node2id 是一个字典，将节点映射到其组件的 id。然后，您可以根据此 dict 生成一列并将其添加到原始数据框中，如 michaelg's answer 中所示。

编辑

从数据框中获取图形的更好方法：

g = nx.from_pandas_edgelist(df, 0, 1)

Answer 2

如何为 pandas Dataframe 分配簇号？

为了演示，我们将生成一个数据框：

def get_letter():
    return random.choice(list(set(string.ascii_letters.upper())))

origin = [get_letter() for i in range(100)]
destination = [get_letter() for i in range(100)]

df = pd.DataFrame({'origin':origin, 'destination': destination})

获取集群

clusters = [random.choice(range(100)) for i in range(100)]

将集群分配为原始数据框的新列

df['cluster'] = clusters

[输出：]

目的地 原点 簇
D        J       53
M        L       60      
K       L       3