用 pandas 查找树中所有叶子节点的祖先

Question

我有一个包含两列“父”和“子”的表。这是从 SAP (ERP) 下载的 SETNODE 表。需要在 python 中创建一个数据框，每个级别都作为它自己的列，相对于它的父级和之前的所有级别。

在 python 3+ 中。

完整关系的级别数未知（或始终在变化），因此无法始终定义最大级别。我想创建一个完整的数据框表，显示所有级别的所有父/子关系。现在它大约有 15 个级别，但如果使用我使用的其他数据，它可能会上升到 20 或更多。

例如（example_df）的两列：

example_df = pd.DataFrame({'parent:['a','a','b','c','c','f'],'child':['b','c','d','f','g','h']})

给出输出数据框（solution_example）：

solution_example = pd.DataFrame({'child':['h','f','d'],'parent_1':['a','a','a'],'parent_2':['c','c','b'],'parent_3':['f', 'none', 'none']})

Answer 1

这可以使用networkx 库来解决。首先，从DataFrame构建一个有向图，然后找到叶子节点的所有祖先。

import networkx as nx

leaves = set(df.child).difference(df.parent)
g = nx.from_pandas_edgelist(df, 'parent', 'child', create_using=nx.DiGraph())
ancestors = {
    n: nx.algorithms.dag.ancestors(g, n) for n in leaves
}

(pd.DataFrame.from_dict(ancestors, orient='index')
   .rename(lambda x: 'parent_{}'.format(x+1), axis=1)
   .rename_axis('child')
   .fillna(''))

      parent_1 parent_2 parent_3
child                           
h            a        c        f
g            a        c         
d            a        b