如何用Python Pandas计算基于多列关联的唯一记录数？

这个问题本质是求图的连通分量数量——把每一行当作图的节点，只要两行在A/B/C任意一列有相同值，就给这两个节点连一条边，最终统计有多少个独立的连通组。

方法一：使用NetworkX库实现 #

需要先安装依赖：pip install networkx

import pandas as pd
import networkx as nx

# 构造示例数据
data = {
    'A': ['A1', 'A1', 'A2', 'A3'],
    'B': ['B1', 'B2', 'B2', 'B3'],
    'C': ['C1', 'C2', 'C3', 'C3']
}
df = pd.DataFrame(data)

# 初始化图并添加所有行作为节点
G = nx.Graph()
G.add_nodes_from(df.index)

# 遍历每一列，为同值的行添加连通边
for col in df.columns:
    # 按列值分组，获取每组的行索引集合
    value_groups = df.groupby(col).groups
    for idx_group in value_groups.values():
        # 组内行两两连通，用add_path高效构建连通关系
        if len(idx_group) >= 2:
            nx.add_path(G, idx_group)

# 统计连通分量的数量
connected_groups = list(nx.connected_components(G))
unique_group_count = len(connected_groups)

print(f"关联组的数量：{unique_group_count}")
# 输出：关联组的数量：1

方法二：并查集（Union-Find）实现（无额外依赖） #

import pandas as pd

class UnionFind:
    def __init__(self, size):
        self.parent = list(range(size))
    
    def find(self, x):
        # 路径压缩优化
        if self.parent[x] != x:
            self.parent[x] = self.find(self.parent[x])
        return self.parent[x]
    
    def union(self, x, y):
        # 合并两个集合
        x_root = self.find(x)
        y_root = self.find(y)
        if x_root != y_root:
            self.parent[y_root] = x_root

# 示例数据
data = {
    'A': ['A1', 'A1', 'A2', 'A3'],
    'B': ['B1', 'B2', 'B2', 'B3'],
    'C': ['C1', 'C2', 'C3', 'C3']
}
df = pd.DataFrame(data)

uf = UnionFind(len(df))

# 遍历每一列，合并同值行的集合
for col in df.columns:
    value_groups = df.groupby(col).groups
    for idx_group in value_groups.values():
        if len(idx_group) > 1:
            # 以组内第一个元素为根，合并组内其他元素
            root_idx = idx_group[0]
            for idx in idx_group[1:]:
                uf.union(root_idx, idx)

# 统计不同根节点的数量，即独立关联组的数量
root_nodes = [uf.find(i) for i in range(len(df))]
unique_group_count = len(set(root_nodes))

print(f"关联组的数量：{unique_group_count}")
# 输出：关联组的数量：1

内容的提问来源于stack exchange，提问作者Sale