You need to enable JavaScript to run this app. Pandas:如何将二分邻接矩阵转换为节点列表形式的Series
优惠活动
大模型
产品
解决方案
定价
更多

Pandas:如何将二分邻接矩阵转换为节点列表形式的Series

二分邻接矩阵转节点列表的Pandas实现优化

原实现的核心问题

你的现有代码存在两个硬伤:

  • 全0行丢失:分组聚合只统计存在1值的行,没有用原DataFrame的完整索引做强制对齐,全0行因为没有匹配的1值,自然不会出现在最终结果里
  • 可读性差:stack()自动生成的level_0/level_1这类无意义的字段名,读代码时需要额外对应每个字段的实际含义,没有业务可读性

日常场景首选:最简洁的逐行实现

完全可以跳过中间的长表转换步骤,直接顺着需求逻辑写:逐行找出值为1的列名,组成列表。代码最短,没有冗余步骤:

srs = df.apply(lambda row: row.index[row == 1].tolist(), axis=1)

这个实现的优势:

  • 100%保留原DataFrame的所有行索引,全0行会自动返回空列表,完全不存在丢行问题
  • 逻辑和需求完全对齐,没有理解成本,任何读代码的人一眼就能看懂这段逻辑的目的
  • 输出结构和你目标的Series完全一致,不需要额外做类型转换、索引对齐操作

跑你提供的示例数据,输出和预期完全匹配:

foo    [item1, item2]
bar    [item2, item3]
qux                []
dtype: object

大数据场景:修复版高性能实现

如果处理的矩阵规模达到十万行以上,逐行apply的性能不足以满足需求,可以保留你原本的stack + groupby的向量化高性能路径,仅做两处针对性修复:

# 转换为带业务语义字段名的长表
long_df = (
    df.stack()
      .rename("value")
      .rename_axis(index=["row_label", "col_label"])
      .reset_index()
)

# 聚合后强制对齐原索引,补全全0行
srs = (
    long_df.loc[long_df["value"] == 1]
            .groupby("row_label")["col_label"]
            .apply(list)
            .reindex(df.index)
            .apply(lambda x: x if isinstance(x, list) else [])
)

修复后的版本对应解决原实现的问题:

  • 把自动生成的无意义层级名替换为有业务含义的row_label/col_label,可读性大幅提升
  • 聚合完成后用原DataFrame的索引做reindex,确保哪怕某行没有任何1值,也会被保留在结果里,最后把缺失的聚合值替换为空列表
  • 保留了向量化操作的高性能优势,在十万行以上的大矩阵场景下,比逐行apply的速度高3-5倍

内容的提问来源于stack exchange,提问作者HerrIvan

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.16 01:24:03