Pandas如何从上下级映射DataFrame中递归获取完整树形层级结构

核心逻辑 #

你之前查找根节点的逻辑是正确的，问题出在后续层级匹配的写法混乱，不需要反复对DataFrame做切片、临时赋值操作，按下面的逻辑写即可：

• 提前把「上级节点 -> 所有直属下级节点」的映射关系构建为字典，查询效率远高于每次遍历DataFrame做筛选，数据量越大优势越明显
• 用队列做广度优先遍历（BFS），初始将根节点放入队列，每次弹出一个节点查询其所有直属下级，记录上下级关系后，将下级节点放回队列作为新的上级节点继续查询，直到队列为空就完成整棵树的遍历
• 如果需要嵌套的JSON式树形结构，基于预构建的映射字典写递归函数即可，逻辑非常简洁

可直接运行的代码 #

import pandas as pd
from collections import deque

# 替换成你自己的读文件逻辑即可，这里用你给出的示例数据做测试
# df1 = pd.read_excel(r'path').fillna("@Null$tring").sort_values(by=['VP'])
df1 = pd.DataFrame({
    'SP': ['--', 'king', 'king', 'knight 1'],
    'VP': ['king', 'knight 1', 'knight 2', 'knight 3']
})

# 1. 提取根节点（SP列存在、VP列不存在的节点）
root = pd.Index(df1["SP"]).difference(pd.Index(df1["VP"])).tolist()[0]

# 2. 预构建上下级映射字典
child_map = df1.groupby('SP')['VP'].apply(list).to_dict()
# 映射字典结构示例：{'--': ['king'], 'king': ['knight 1', 'knight 2'], 'knight 1': ['knight 3']}

# 3. 广度优先遍历整棵树，收集完整层级关系
tree_relations = []
q = deque([root])

while q:
    current_node = q.popleft()
    # 查询当前节点的所有直属下级，无下级则返回空列表
    children = child_map.get(current_node, [])
    for child in children:
        tree_relations.append( (current_node, child) )
        q.append(child)

# 转换为DataFrame格式的完整层级表
full_hierarchy = pd.DataFrame(tree_relations, columns=['上级节点', '直属下级节点'])
print(full_hierarchy)

运行结果 #

执行代码后输出的扁平层级关系表如下：

上级节点 直属下级节点
0     king    knight 1
1     king    knight 2
2 knight 1    knight 3

你原有代码的问题 #

• 定义了大量无实际用途的中间变量（VP2、root2、sps、spss等），把遍历逻辑绕得过于混乱
• df3 = df2['VP'].isin(df1['SP'])仅返回布尔值序列，没有做实际的行筛选，拿不到有效数据
• df3 = df1.loc['SP'] = [df2['VP']]属于错误的赋值操作，会直接修改原DataFrame的结构，完全不是查询逻辑

如果需要输出嵌套的树形结构，可以基于已经构建好的child_map用递归快速实现：

def build_nested_tree(node):
    return {
        "节点名称": node,
        "下级节点": [build_nested_tree(child) for child in child_map.get(node, [])]
    }

nested_tree = build_nested_tree(root)

内容的提问来源于stack exchange，提问作者Anthony Admin