如何关联两个DataFrame并生成多国家软件发布排序序列

原始输入DataFrame #

待解决问题 #

1. 如何识别版本关联并完成排序？
2. 在无部署日期的情况下，结合发布国家维度跟踪软件版本的发布顺序？

已知规则 #

• 首个版本的SW Version不会出现在任何条目的SW Source字段中
• 最后一个版本的SW Source不会出现在任何条目的SW Version字段中（无后续发布版本）
• 必须保留国家维度，不能丢弃

期望输出结果 #

解决方案 #

核心思路 #

1. 构建版本依赖链：通过SW Source与SW Version的关联关系，识别版本的先后层级，分配排序编号
2. 扩展国家维度：提取所有唯一国家列表，将每个版本对与所有国家做笛卡尔积扩展，保留完整维度
3. 匹配验证码：基于国家维度关联对应的验证码，确保数据准确性

Python Pandas 代码实现 #

import pandas as pd

# 加载原始数据
raw_data = {
    "SW Source": ["a567dfga", "b869df0a", "j678900a"],
    "SW Version": ["b869df0a", "j678900a", "yur686fh"],
    "国家": ["China", "Brazil", "Portugal"],
    "Verification Code": ["XYZ-1010", "XYZ-1011", "XYZ-1012"]
}
df_raw = pd.DataFrame(raw_data)

# 1. 提取国家与验证码的唯一映射
country_code_mapping = df_raw[["国家", "Verification Code"]].drop_duplicates()

# 2. 构建版本依赖链，生成排序编号
version_links = df_raw[["SW Source", "SW Version"]].drop_duplicates()
# 找到起始版本：SW Version未出现在SW Source中的条目对应的Source
start_sources = version_links[~version_links["SW Version"].isin(version_links["SW Source"])]["SW Source"].tolist()

version_order_list = []
current_level = 1
current_source_list = start_sources

# 迭代遍历版本层级
while current_source_list:
    current_pairs = version_links[version_links["SW Source"].isin(current_source_list)]
    # 为当前层级的版本对分配排序编号
    for _, row in current_pairs.iterrows():
        version_order_list.append({
            "SW Source": row["SW Source"],
            "SW Version": row["SW Version"],
            "排序编号（Order Nr）": current_level
        })
    # 更新下一层级的源版本
    current_source_list = current_pairs["SW Version"].tolist()
    current_level += 1

order_df = pd.DataFrame(version_order_list)

# 3. 笛卡尔积扩展国家维度，并关联验证码
result_df = order_df.merge(country_code_mapping, how="cross")

# 调整列顺序匹配期望输出
result_df = result_df[["SW Source", "SW Version", "国家", "Verification Code", "排序编号（Order Nr）"]]

print(result_df)

代码说明 #

• 先提取国家与验证码的唯一映射，避免重复数据
• 通过迭代方式遍历版本依赖关系，自动识别版本层级并分配排序编号
• 使用merge(how="cross")实现版本对与国家的全量扩展，确保所有国家维度都被保留
• 最后调整列顺序，得到符合要求的输出结果

内容的提问来源于stack exchange，提问作者Someones63