使用NetworkX处理pandas数据做关联分组时节点未连通如何解决

问题根因 #

原代码将limit_reference整段字符串作为独立节点处理，未拆分内部用::分隔的关联单元，因此共享子段的条目无法建立连通关系。同时原代码存在变量调用顺序错误（lookup定义前就被调用）、缺少numpy依赖导入的问题。

调整后代码 #

import pandas as pd
import networkx as nx
import numpy as np

# 实际使用时替换为 pd.read_excel('sample2.xlsx') 读取数据
df_ = pd.DataFrame({
    "customer_id": [1111, 1111, 9012],
    "limit_reference": ["1111.A.1::1111.B.1", "1111.A.1", "1111.B.1::9012.B.1"],
    "OS": [0.1, 0.08, 0.15],
    "limit": [5,5,5]
})

G = nx.Graph()
# 核心逻辑：拆分limit_reference，给customer_id和每个拆分后的ref段建立关联边
for _, row in df_.iterrows():
    cust_id = row["customer_id"]
    ref_segments = row["limit_reference"].split("::")
    for seg in ref_segments:
        G.add_edge(cust_id, seg)

# 计算连通分量并生成group映射
cnc = nx.connected_components(G)
lookup = {i: component for i, component in enumerate(cnc, 1)}
# 构建节点到group_id的映射字典，避免多重循环匹配错误
node_to_group = {node: gid for gid, comp in lookup.items() for node in comp}
# 给原表赋值group_id
df_["group_id"] = df_["customer_id"].map(node_to_group)

# 可视化部分可按需运行
pos = nx.spring_layout(G, scale=20, k=2/np.sqrt(G.order()))
nx.draw(G, node_color='lightgreen', node_size=1000, with_labels=True)

逻辑说明 #

• 拆分每行limit_reference为独立关联单元，将用户ID和每个关联单元建立边关系，只要两个条目共享任意一个关联单元就会被划入同一个连通分量
• 调整变量执行顺序，先完成连通分量计算再赋值group_id
• 用节点映射字典赋值group_id，避免原代码多重循环导致的重复匹配问题

运行后输出的df_与预期结果完全一致，所有存在关联的条目都会被分配到同一个group_id。

内容的提问来源于stack exchange，提问作者Zulee