如何以新的熊猫数据框的形式从 Python 中的熊猫数据框获取 networkx 图的分支？答案

【问题标题】：How can I get branch of a networkx graph from pandas dataframe in Python in the form of a new pandas dataframe?如何以新的熊猫数据框的形式从 Python 中的熊猫数据框获取 networkx 图的分支？
【发布时间】：2021-10-17 10:08:21
【问题描述】：

我有一个熊猫数据框df，如下所示：

From    To
0   Node1   Node2
1   Node1   Node3
2   Node2   Node4
3   Node2   Node5
4   Node3   Node6
5   Node3   Node7
6   Node4   Node8
7   Node5   Node9
8   Node6   Node10
9   Node7   Node11

df.to_dict() 是：

{'From': {0: 'Node1',
  1: 'Node1',
  2: 'Node2',
  3: 'Node2',
  4: 'Node3',
  5: 'Node3',
  6: 'Node4',
  7: 'Node5',
  8: 'Node6',
  9: 'Node7'},
 'To': {0: 'Node2',
  1: 'Node3',
  2: 'Node4',
  3: 'Node5',
  4: 'Node6',
  5: 'Node7',
  6: 'Node8',
  7: 'Node9',
  8: 'Node10',
  9: 'Node11'}}

我使用 networkx 包将这个 pandas 数据帧绘制为网络图，如下所示：

我想以新的 pandas 数据框的形式从此网络图中获取独特的场景/分支，如下所示：

  A B   C   D
0   Node1   Node2   Node4   Node8
1   Node1   Node2   Node5   Node9
2   Node1   Node3   Node6   Node10
3   Node1   Node3   Node7   Node11

怎么可能得到这个？

【问题讨论】：

标签： python python-3.x pandas dataframe function

【解决方案1】：

您已经在使用 networkx，为什么不让它为您获取路径：

import networkx as nx

# create a digraph from your edges
G = nx.from_pandas_edgelist( df, 'From', 'To', create_using=nx.DiGraph())
root_node = 'Node1'
leaf_nodes = df.To[~(df.To.isin(df.From))]

# get all paths from leaf_nodes back to root_node
paths = []
for node in leaf_nodes:
    paths.append( nx.shortest_path(G, root_node, node) )
result = pd.DataFrame(paths)

结果：

       0      1      2       3
0  Node1  Node2  Node4   Node8
1  Node1  Node2  Node5   Node9
2  Node1  Node3  Node6  Node10
3  Node1  Node3  Node7  Node11

【讨论】：

【解决方案2】：

您可以像 DFS 这样迭代图形，然后在每个迭代和返回路径上保存路径并转换为 DataFrame，如下所示：

import pandas as pd

df = pd.DataFrame({
          'From':['Node1','Node1', 'Node2', 'Node2', 'Node3', 'Node3', 'Node4', 'Node5', 'Node6', 'Node7'],
          'TO'  :['Node2','Node3', 'Node4', 'Node5', 'Node6', 'Node7', 'Node8', 'Node9', 'Node10', 'Node11']
        })

fnl_result = []
def svPath(path, node, df, lst_vst, fnl_result):
    for val in df.values:
        if val[0] == node:
            path.append(val[1])
            svPath(path, val[1], df, lst_vst, fnl_result)
    
    if not path[-1] in lst_vst:
        fnl_result.append([p for p in path])
    for p in path: lst_vst.add(p)
    path.pop()
    return
    
lst_vst = set()
svPath(['Node1'],'Node1', df, lst_vst, fnl_result)
dfOut = pd.DataFrame(fnl_result, columns=['A','B','C','D'])

输出：

>>> dfOut
        A       B       C       D
0   Node1   Node2   Node4   Node8
1   Node1   Node2   Node5   Node9
2   Node1   Node3   Node6   Node10
3   Node1   Node3   Node7   Node11

【讨论】：

【解决方案3】：

使用 networkx 包解决此问题的另一种方法。

import networkx as nx
G = nx.DiGraph()
G.add_edges_from((r.From, r.To) for r in df.itertuples())
roots = [n for (n, d) in G.in_degree if d == 0]
print(roots)
leafs = [n for (n, d) in G.out_degree if d == 0]
print(leafs)
pd.DataFrame(
    nx.algorithms.all_simple_paths(G, roots[0], leafs)
)

创建了一个有向图，并从df 将边添加到其中。节点 1 是 G 中唯一的节点，其中 in_degree 等于 0，即它是整个图的根。因此，roots 等于节点 0。

leafs 表示有向图中 out_degree 等于 0 的节点，即 ["Node8", "Node9", "Node10", "Node11"]。

nx.algorithms.all_simple_paths(G, roots[0], leafs) 提供从节点 1 开始到叶子中每个节点结束的所有路径的列表。

【讨论】：