Python 如何正确地遍历数据与新df匹配的两列和弹出行

我有一个包含两列的dataframe，我希望遍历这两列。其思想是找到项目出现的任何行（在任一列中），然后将该行移动到单独的数据帧中。下面的例子，单词很难

df1：

我们的想法是要做到以下几点：

fname lname fnameNum lnameNum fnameWeight lnameWeight fname+num lname+num
  X     Z     3         9        2          17            X,3      Z,9
  N     M     8         7        14         15            N,14     M,15

获取第一行，并将其复制到新的数据帧

df2：

然后，获取

fname+num

的值，查看df1中的哪些行包含精确匹配，搜索

fname+num

和

lname+num

一旦匹配完成并且所有行都被复制过来，我希望将它们从df1中删除。这使得df2如下所示：

fname lname fnameNum lnameNum fnameWeight lnameWeight fname+num lname+num group
  A     B     1         1        25         35            A,1      B,1    1
  B     A     1         1        35         25            B,1      A,1    1

df1如下所示：

fname lname fnameNum lnameNum fnameWeight lnameWeight fname+num lname+num
  X     Z     3         9        2          17            X,3      Z,9
  N     M     8         7        14         15            N,14     M,15

我的目标是在df1的第一个元素上再次执行相同的操作，并继续这样做，直到df1实际上为空

我写的尝试解决这个问题的方法是：

df2.iloc[len(df2)] = df1.iloc[0, :] #get the first row of df1, copy to df2
for row in df1.iterrows():
    for row in df2.iterrows():
        if df2['fname+num'].isin((df1['fname+num' or df1['lname+num'])): 
            df2.loc[len(df2)] = df1.iloc[row]#if there is a match between the df2['fname+num'][0] and any element of any row in df1['fname+num' | 'lname+num'] then copy that entire row from df1 to df2

---

未显示*删除df1中存在于df2中的所有行（超出范围）

我想您想以一种特定的方式对数据帧进行排序，我会首先在'fname+num'中找到每个不同值的第一个位置，然后

map

列'fname+num'和'lname+num'，获取每行两列的

min

，并使用以下值进行排序：

#find order of first occurence of each element of the column fname+num
dict_order = {val:i for i, val in enumerate(df1['fname+num'].drop_duplicates())}

# create the minimun of in a column sort once both 
# fname+num and lanem+num are mapped with the dict_order
df1['to_sort'] = (pd.concat([df1['fname+num'].map(dict_order),
                             df1['lname+num'].map(dict_order)], axis=1)
                   .min(axis=1, skipna=True)) 

#sort by this column, 
df2 = df1.sort_values('to_sort').drop('to_sort', axis=1).reset_index(drop=True)

对于

df2

，您可以得到：

  fname lname  fnameNum  lnameNum  fnameWeight  lnameWeight fname+num  \
0     A     B         1         1           25           35       A,1   
1     B     A         1         1           35           25       B,1   
2     X     Z         3         9            2           17       X,3   
3     N     M         8         7           14           15      N,14   

  lname+num  
0       B,1  
1       A,1  
2       Z,9  
3      M,15  

带着对评论的期待进行编辑，我想说您应该更改

命令

，元素之间的所有连接都是通过

---

当你说：“继续这样做直到df1实际上是空的”时，代码的剩余部分也是一样的，你的意思是每次在

df2

中添加行还是每次创建一个单独的行？@Ben.T我的意思是填充

df2

并删除

df1

中出现在

df2

中的任何行，所以我认为你的问题更多的是排序problem@Ben.T是的，还是更多less@MaxB添加

copy（）

并删除

下拉列表

，因为此列将包含您的组，即使它可能不是实际数据中的连续数字：

df2=df1.sort_值（'to_sort'）。重置_索引（drop=True）。copy（）

@MaxB这取决于第一个

A，1

在您的列fname+num中的时间，您解释问题的方式并不是说同一元素必须在同一组中。在您给出的示例中，如果您将最后一行中的

B，1

更改为

Z，9

？@MaxB oh，那么这将是一个不同的问题。为了满足这一期望，这种方法可能很难改变。我感谢您迄今为止提供的帮助。有时候，正确地问问题本身总是一个障碍。@MaxB确实：）我知道你可以使用networkx来做这类事情，我最近看到一个QA给出了一个很好的答案，我正在寻找答案

  fname lname  fnameNum  lnameNum  fnameWeight  lnameWeight fname+num  \
0     A     B         1         1           25           35       A,1   
1     B     A         1         1           35           25       B,1   
2     X     Z         3         9            2           17       X,3   
3     N     M         8         7           14           15      N,14   

  lname+num  
0       B,1  
1       A,1  
2       Z,9  
3      M,15  

import networkx as nx
G=nx.Graph()
all_tuples=tuple(zip(df['fname+num'],df['lname+num']))
G.add_edges_from(all_tuples)
dict_order = { val:i for i, vals in enumerate(nx.connected_components(G)) for val in vals}