Python Pandas：创建含节点对与边强度的DataFrame及数据格式转换问题

嘿，这个需求我之前做合作网络图的时候刚好遇到过！核心就是把每个项目里的实体两两配对，然后统计每对搭档一起参与的项目数——这就是你要的边强度。我给你一步步拆解实现：

1. 先模拟你的输入数据 #

首先我造一个符合你描述的示例DataFrame（方便你直接测试）：

import pandas as pd

# 模拟3个项目、多个实体参与的场景
data = {
    'Project_ID': ['P1', 'P1', 'P1', 'P2', 'P2', 'P3', 'P3', 'P3'],
    'Participating_entity': ['A', 'B', 'C', 'A', 'B', 'B', 'C', 'D']
}
df = pd.DataFrame(data)

2. 生成实体两两配对 #

我们需要按项目分组，对每个项目里的所有实体生成无序的两两组合（因为合作关系是双向的，A和B合作与B和A合作是同一条边）：

from itertools import combinations

# 定义分组处理函数：生成当前项目内的所有实体对
def get_entity_pairs(group):
    # 提取当前项目的所有实体列表
    entities = group['Participating_entity'].tolist()
    # 生成两两无序组合（避免重复反向对）
    return pd.DataFrame(combinations(entities, 2), columns=['Entity1', 'Entity2'])

# 按项目分组应用函数，然后展开结果
pair_df = df.groupby('Project_ID').apply(get_entity_pairs).reset_index(drop=True)

3. 统计边强度（共同参与项目数） #

最后统计每对实体共同出现在多少个项目里，这个计数就是边的强度：

# 按实体对分组，统计出现次数
edge_df = pair_df.groupby(['Entity1', 'Entity2']).size().reset_index(name='Edge_Strength')

# 输出结果
print(edge_df)

输出结果示例 #

运行后你会得到这样的边数据：

Entity1 Entity2  Edge_Strength
0       A       B              2
1       A       C              1
2       B       C              2
3       B       D              1
4       C       D              1

额外优化建议 #

• 如果你的项目里可能出现同一实体重复参与的情况，记得先在分组里去重：entities = group['Participating_entity'].unique().tolist()
• 如果需要处理有向图（比如A邀请B参与项目和B邀请A是不同边），把combinations换成permutations
• 万一不小心生成了反向对（比如(B,A)），可以统一实体顺序：

# 确保Entity1始终是字典序更小的那个
pair_df[['Entity1', 'Entity2']] = pd.DataFrame(
    pair_df.apply(lambda x: sorted([x['Entity1'], x['Entity2']]), axis=1).tolist()
)

内容的提问来源于stack exchange，提问作者ccopp