如何在Python Pandas中基于多对多关系的两个ID创建分组ID

你的需求本质是识别ID1和ID2之间的连通关联组——只要两个ID（不管是ID1还是ID2）通过任意行的关联链连接起来，就属于同一组。这是典型的图论连通分量问题，可以用NetworkX库快速解决。

实现步骤 #

1. 先安装NetworkX（未安装的话执行）：

pip install networkx

2. 编写代码：

import pandas as pd
import networkx as nx

# 构造输入数据
data = {
    'ID 1': [1, 1, 2, 3, 3, 4],
    'ID 2': [1, 2, 3, 4, 5, 5]
}
df = pd.DataFrame(data)

# 创建无向图，把每行的ID1和ID2作为一条边添加进去
G = nx.Graph()
G.add_edges_from(df[['ID 1', 'ID 2']].values)

# 给每个连通分量分配唯一ID，建立节点到分量ID的映射
component_map = {}
for group_id, component in enumerate(nx.connected_components(G), start=1):
    for node in component:
        component_map[node] = group_id

# 生成ID3列：同一行的ID1和ID2必然属于同一分量，取任意一个映射即可
df['ID 3'] = df['ID 1'].map(component_map)

print(df)

代码说明 #

• 图结构构建：把每行的ID 1和ID 2视为图的两个节点，行本身就是连接节点的边。比如ID1=1关联ID2=1和ID2=2，所以1、2两个节点属于同一个连通组。
• 连通分量识别：nx.connected_components(G)会返回所有互相连通的节点集合，我们给每个集合分配从1开始的唯一ID。
• 映射到原数据：因为同一行的两个ID必然在同一组，所以用ID 1去匹配分量ID即可得到ID 3。

运行后输出结果和你期望的一致：

ID 1  ID 2  ID 3
0     1     1     1
1     1     2     1
2     2     3     2
3     3     4     3
4     3     5     3
5     4     5     3

额外提示 #

• 如果处理超大规模数据集，可替换为igraph库，性能会更优。
• 分组完成后，你可以基于ID 3对关联的唯一值求和，确保每个组内的关联值无重复统计、全覆盖，满足后续的互除计算需求。

内容的提问来源于stack exchange，提问作者Josh Tysseling