如何用Pandas查找并合并节点间的反向重复边及连接强度

问题背景 #

有一个包含3列的数据集，列A、B代表节点间的边连接，列C是连接强度。需要识别并合并方向相反的重复边（比如aa-bb和bb-aa），将对应的连接强度求和。

示例数据集 #

import pandas as pd

data_frame = pd.DataFrame({
    "A": ["aa", "aa", "aa", "bb", "bb", "cc", "dd", "dd"],
    "B": ["bb", "cc", "dd", "aa", "dd", "aa", "ee", "aa"],
    "C": [4, 3, 4, 5, 3, 4, 2, 5]
})

对应的节点关系：

aa - bb
 |  \  |
 cc   dd -- ee

其中aa-bb与bb-aa、aa-dd与dd-aa属于反向重复边，需要合并后求和得到目标结果。

解决方案 #

核心思路是统一每条边的节点表示顺序，让正向和反向边变为完全相同的节点对，再通过分组直接求和，无需后续清理多余数据。

实现代码 #

# 对每行的A、B列按字典序排序，生成统一的节点对
data_frame[['node1', 'node2']] = pd.DataFrame(
    data_frame[['A', 'B']].apply(sorted, axis=1).tolist(),
    index=data_frame.index
)

# 按统一后的节点对分组，求和连接强度
merged_data = data_frame.groupby(['node1', 'node2'], as_index=False)['C'].sum()

# 重命名列回原格式（按需调整）
merged_data = merged_data.rename(columns={'node1': 'A', 'node2': 'B'})

# 输出结果
print(merged_data)

最终结果 #

这个方法避免了拼接额外数据带来的冗余，一步到位完成反向边的合并与求和。

内容的提问来源于stack exchange，提问作者linkey apiacess