如何统计Pandas DataFrame中路径连续节点对的出现次数？

这里有一套简洁高效的方法来实现你需要的连续节点对统计，直接上代码和解释：

完整代码 #

import pandas as pd

# 构造示例数据（如果你的df已经存在可以跳过这部分）
data = {
    'ID': ['001', '002', '003', '004', '005', '006', '007'],
    'Traverse': [
        '1->1->1->2->3->1',
        '13->13',
        '2->3->13->15',
        '5->6->3',
        '16->7->7->7->7->8',
        '4->4->3->5',
        '5->5->1->1->1->2'
    ]
}
df = pd.DataFrame(data)

# 生成所有连续节点对
pairs = df['Traverse'].str.split('->', expand=False).apply(
    lambda x: list(zip(x, x[1:]))
).explode()

# 统计次数并按要求格式输出
counts = pairs.value_counts()
for pair, cnt in counts.items():
    print(f"{pair[0]} to {pair[1]} : {cnt}")

代码分步解释 #

• 拆分节点字符串：用str.split('->', expand=False)把每个Traverse字段拆分成节点列表，比如'1->1->1->2->3->1'会变成['1','1','1','2','3','1']。
• 生成连续节点对：通过apply和zip(x, x[1:])，把每个节点列表中的相邻元素配对，生成类似('1','1')、('1','2')这样的元组列表。
• 展开节点对：用explode()把每个列表里的元组单独拆成行，这样所有节点对都集中在一个Series里，方便后续统计。
• 统计并格式化输出：value_counts()自动统计每个节点对的出现次数，最后循环输出成你需要的[节点1] to [节点2] : [次数]格式。

输出结果 #

运行代码后会得到如下输出（按出现次数降序排列）：

1 to 1 : 4
7 to 7 : 3
1 to 2 : 2
2 to 3 : 2
5 to 5 : 1
4 to 4 : 1
3 to 1 : 1
13 to 13 : 1
3 to 13 : 1
13 to 15 : 1
5 to 6 : 1
6 to 3 : 1
16 to 7 : 1
7 to 8 : 1
4 to 3 : 1
3 to 5 : 1
5 to 1 : 1

内容的提问来源于stack exchange，提问作者Arjun Bhasin