Python 按列表项的数量筛选数据帧，并按对重新排列输出

我正在使用一个csv文件，其格式如下所示，通过使用df.groupby来过滤公开共享链接的ID

 url        id
 bbc.com     ['183','194','101']
 cnn.com     ['182', '193', '103']
 google.com  ['131']

我现在尝试将其转换为一个新的csv，每次两个ID共享同一个链接时都会显示

因此，我的理想输出如下所示，特别是没有引号：

source target
183, 194
183, 101
194, 101
182, 193
182, 103
103, 193

我真的很感激任何帮助

---

我尝试从df.drop开始删除包含少于一个条目的行，但它将整个条目作为字符串读取，即，['183'，194'，101']作为整个字符串而不是列表，因此我有点卡住了。

我想您需要使用itertools.compositions（x，k）。下面是一个例子：

import pandas as pd
import numpy as np
import itertools

df = pd.DataFrame({ 'url': ['bbc.com', 'cnn.com', 'google.com'],
              'id' : [['183','194','101'], ['182', '193', '103'], ['131']  ]})

df

    url         id
0   bbc.com     [183, 194, 101]
1   cnn.com     [182, 193, 103]
2   google.com  [131]

以下是生成输出的循环：

k =2
for x in df['id'].values:
    for a, b in itertools.combinations(x, k):
          print(a, b)

输出：

 183 194
 183 101
 194 101
 182 193
 182 103
 193 103

---

我想您需要使用itertools.compositions（x，k）。下面是一个例子：

import pandas as pd
import numpy as np
import itertools

df = pd.DataFrame({ 'url': ['bbc.com', 'cnn.com', 'google.com'],
              'id' : [['183','194','101'], ['182', '193', '103'], ['131']  ]})

df

    url         id
0   bbc.com     [183, 194, 101]
1   cnn.com     [182, 193, 103]
2   google.com  [131]

以下是生成输出的循环：

k =2
for x in df['id'].values:
    for a, b in itertools.combinations(x, k):
          print(a, b)

输出：

 183 194
 183 101
 194 101
 182 193
 182 103
 193 103

---

非常感谢你的帮助！这很有效。我意识到我最初遇到的问题是，它在退出代码为-9的情况下崩溃了。查找后，似乎表示系统内存不足。因此，我现在正在研究一种方法，将流程分为多个部分，因为这段代码在较小的数据集上运行良好。非常感谢您的帮助！这很有效。我意识到我最初遇到的问题是，它在退出代码为-9的情况下崩溃了。查找后，似乎表示系统内存不足。因此，我现在正在研究一种方法，将流程分割成块，因为这段代码可以在较小的数据集上正常工作。