Python创建包含节点对和边缘强度的DataFrame

Question

我正在创建一个简单的网络图，我遇到了一些问题，使我的数据成为正确的形状。

我有一个Pandas DataFrame，其中有两列包含不同实体之间协作的信息。列Project_ID列出项目的ID，Participating_entity列出参与项目的实体。一个有3个实体的项目将占用3行。下面是一个简单的DF示例，列出3个实体在3个项目上的协作：

df =  pd.DataFrame([[1,'a'],[1,'b'],[2,'a'],[2,'c'],[3,'a'],[3,'b'],[3,'c']],  columns = ['Project_ID','Participating_entity']) 

#|---------------------|-------------------------|
#|       Project_ID    | Participating_entity    |
#|---------------------|-------------------------|
#|          1          |            A            |
#|          1          |            B            |
#|          2          |            A            |
#|          2          |            C            |
#|          3          |            A            |
#|          3          |            B            |
#|          3          |            C            |
#|---------------------|-------------------------|

我想要创建一个新的DF来显示Participating_entity对之间的协作数量。上面的简单数据就是。

#|-------------|-----------|--------------------|
#|  Entity_1   | Entity_2  | Num_collaborations |
#|-------------|-----------|--------------------|
#|     A       |      B    |        2           |
#|     A       |      C    |        2           |
#|     B       |      C    |        1           |
#|-------------|-----------|--------------------|

A与B和C各合作两次，B和C各协作一次。协作只应列出一次。例如，A和B之间的连接只应列在A.下面，而B-A不应存在任何行。

提前感谢！

Answer 1

一种方法是将collections.defaultdict与itertools.combinations结合使用。可能有一种熊猫特有的方式，但从本质上说，这将是图书馆特有的。

from collections import defaultdict
from itertools import combinations

df_grouped = df.groupby('Project_ID')['Participating_entity'].apply(list).reset_index()

d = defaultdict(int)

for idx, row in df_grouped.iterrows():
    for comb in combinations(row['Participating_entity'], 2):
        d[frozenset(comb)] += 1

# defaultdict(int,
#             {frozenset({'a', 'b'}): 2,
#              frozenset({'a', 'c'}): 2,
#              frozenset({'b', 'c'}): 1})

d = {tuple(sorted(k)): v for k, v in d.items()}

df_out = pd.DataFrame(list(d.items()))\
           .rename(columns={0: 'Entities', 1: 'Num_collaborations'})

df_out = df_out.join(df_out['Entities'].apply(pd.Series))\
               .drop('Entities', 1).rename(columns={0: 'Entity 1', 1: 'Entity 2'})

#    Num_collaborations Entity 1 Entity 2
# 0                   2        a        b
# 1                   2        a        c
# 2                   1        b        c

Answer 2

你可以这么做，直接在NetworkX中

In [210]: G = nx.from_pandas_edgelist(df, 'Project_ID', 'Participating_entity')

In [211]: from networkx.algorithms import bipartite

In [212]: W = bipartite.weighted_projected_graph(G, df['Participating_entity'].unique())

In [213]: W.edges(data=True)
Out[213]: EdgeDataView([('a', 'c', {'weight': 2}), ('a', 'b', {'weight': 2}), ('b', 'c', {'weight': 1})])