Python中如何将表格按直接/间接关联元素分组？

这里给你两种优雅的实现方式，替代单纯的for循环，完美满足你的分组需求：

方案一：结合NetworkX（简洁高效） #

NetworkX是Python专门处理图结构的库，和Pandas兼容性极佳，能快速找出所有直接/间接关联的节点分组：

首先安装依赖（如果未安装）：
pip install networkx

代码实现：

import pandas as pd
import networkx as nx

# 构造你的表格数据
data = [
    ["a", "x"],
    ["b", "x"],
    ["c", "y"],
    ["c", "z"],
    ["d", "x"],
    ["x", "a"],
    ["x", "x"],
    ["y", "z"]
]
df = pd.DataFrame(data, columns=["A", "B"])

# 构建无向图，自动处理双向边，过滤自环（不影响结果但更干净）
G = nx.from_pandas_edgelist(df, source="A", target="B", create_using=nx.Graph())
G.remove_edges_from(nx.selfloop_edges(G))

# 获取所有连通分量，转成集合列表
connected_groups = [set(component) for component in nx.connected_components(G)]

print(connected_groups)
# 输出：[{'a', 'b', 'd', 'x'}, {'c', 'y', 'z'}]

说明：nx.from_pandas_edgelist直接将DataFrame的A、B列转为图的边，无向图会自动合并重复的双向边；nx.connected_components直接返回所有连通的节点集合，完全匹配你的分组要求。

方案二：并查集（Union-Find）算法（无需额外库） #

如果不想引入第三方库，可以用经典的并查集算法配合Pandas实现，逻辑清晰且高效：

import pandas as pd

# 实现并查集类
class UnionFind:
    def __init__(self):
        self.parent = {}
    
    def find(self, x):
        if self.parent[x] != x:
            self.parent[x] = self.find(self.parent[x])  # 路径压缩优化
        return self.parent[x]
    
    def union(self, x, y):
        # 初始化节点
        if x not in self.parent:
            self.parent[x] = x
        if y not in self.parent:
            self.parent[y] = y
        # 合并两个节点的连通分量
        root_x = self.find(x)
        root_y = self.find(y)
        if root_x != root_y:
            self.parent[root_y] = root_x

# 构造表格数据
data = [
    ["a", "x"],
    ["b", "x"],
    ["c", "y"],
    ["c", "z"],
    ["d", "x"],
    ["x", "a"],
    ["x", "x"],
    ["y", "z"]
]
df = pd.DataFrame(data, columns=["A", "B"])

# 初始化并查集
uf = UnionFind()

# 遍历每一行，合并A和B的元素
for _, row in df.iterrows():
    a, b = row["A"], row["B"]
    if a != b:  # 跳过自环
        uf.union(a, b)

# 按根节点分组，生成连通分量
groups = {}
for node in uf.parent:
    root = uf.find(node)
    groups.setdefault(root, []).append(node)

# 转成集合列表
connected_groups = [set(group) for group in groups.values()]

print(connected_groups)
# 输出：[{'a', 'b', 'd', 'x'}, {'c', 'y', 'z'}]

说明：并查集是处理连通性问题的经典算法，通过find找根节点、union合并分量，遍历DataFrame完成所有节点的关联后，按根节点分组即可得到目标结果，全程无需依赖第三方库。

内容的提问来源于stack exchange，提问作者Mike