如何从Pandas DataFrame中找出线路连接序列（Python3）

问题场景 #

我在Pandas DataFrame里定义了多条线路，每条线路包含起点（from列）和终点（to列），这些线路是按顺序首尾连接的（比如示例里的line_a → line_b → line_c）。现在需要从from和to列自动识别出这个连接顺序，输出像['line_a', 'line_b', 'line_c']这样的字符串列表，实际应用里的点名可以是任意字符串，最终结果需要是List[str]格式。

示例DataFrame代码：

import pandas as pd
df = pd.DataFrame(
    {
        'from': ['p2', 'p3', 'p1'],
        'to': ['p3', 'p4', 'p2'],
    },
    index=['line_b', 'line_c', 'line_a'],
)

解决方案1：纯Pandas+字典映射（轻量无依赖） #

这种方法不需要额外库，通过构建映射关系来遍历出连接序列，完美适配单链式的线路结构：

import pandas as pd

df = pd.DataFrame(
    {
        'from': ['p2', 'p3', 'p1'],
        'to': ['p3', 'p4', 'p2'],
    },
    index=['line_b', 'line_c', 'line_a'],
)

# 1. 构建两个关键映射字典
# 终点 → 对应的线路名（下一条线路的起点等于当前线路的终点）
to_to_line = df['to'].reset_index().set_index('to')['index'].to_dict()
# 起点 → 对应的线路名
from_to_line = df['from'].reset_index().set_index('from')['index'].to_dict()

# 2. 找到起始线路：起点不在任何线路的终点集合里的那条线路
start_point = set(df['from']) - set(df['to'])
start_line = from_to_line[start_point.pop()]

# 3. 遍历构建完整序列
sequence = [start_line]
current_end = df.loc[start_line, 'to']

# 顺着终点找下一条线路，直到没有后续为止
while current_end in to_to_line:
    next_line = to_to_line[current_end]
    sequence.append(next_line)
    current_end = df.loc[next_line, 'to']

print(sequence)  # 输出: ['line_a', 'line_b', 'line_c']

思路说明：

• 先把每个终点和对应的线路、每个起点和对应的线路做映射，方便后续快速查找；
• 链式结构的起始线路有个明显特征：它的起点不会是任何其他线路的终点，通过集合差集就能快速定位；
• 之后只需要顺着当前线路的终点，去找到下一条以该终点为起点的线路，循环往复直到没有后续线路即可。

解决方案2：用NetworkX处理（适合复杂扩展） #

如果之后可能遇到更复杂的线路结构（比如分支，当然当前问题是单链），可以用NetworkX这个图论库来处理，代码可读性更强，扩展性也更好：

import pandas as pd
import networkx as nx

df = pd.DataFrame(
    {
        'from': ['p2', 'p3', 'p1'],
        'to': ['p3', 'p4', 'p2'],
    },
    index=['line_b', 'line_c', 'line_a'],
)

# 1. 构建有向图，每条边携带着对应的线路名
G = nx.DiGraph()
for line_name, row in df.iterrows():
    G.add_edge(row['from'], row['to'], line=line_name)

# 2. 找到起始节点（入度为0，没有其他节点指向它）和结束节点（出度为0，不指向其他节点）
start_node = [node for node, degree in G.in_degree() if degree == 0][0]
end_node = [node for node, degree in G.out_degree() if degree == 0][0]

# 3. 获取路径上的所有边，提取对应的线路名
path_nodes = nx.shortest_path(G, start_node, end_node)
sequence = []
for i in range(len(path_nodes) - 1):
    # 从边的属性中取出线路名
    sequence.append(G[path_nodes[i]][path_nodes[i+1]]['line'])

print(sequence)  # 输出: ['line_a', 'line_b', 'line_c']

思路说明：

• 把每个点名当成图的节点，每条线路当成连接两个节点的有向边，同时把线路名存在边的属性里；
• 单链结构的起始节点入度为0（没有其他边指向它），结束节点出度为0；
• 找到两个节点之间的最短路径（因为是单链，只有一条路径），然后依次提取路径上每条边的线路名，就是最终的连接序列。

内容的提问来源于stack exchange，提问作者aura