Python 熊猫中的求和边

有一个数据帧，表示节点a、B和C之间具有定向边的网络。我想对节点之间的流求和，以测量节点之间连接的强度。下面是我的df

To  From Flow
A   A   1
A   B   4
A   C   2
B   A   5
B   B   2
B   C   6
C   A   3
C   B   5
C   C   2

下面是我想了解的内容

A   A   1
B   B   2
C   C   2
A   B   9
A   C   5
B   C   11

---

最好的方法是什么？

这里有一种方法可以解决这个问题

df["Node 1"] = df[["To","From"]].min(axis=1)
df["Node 2"] = df[["To","From"]].max(axis=1)
result = df.groupby(["Node 1","Node 2"], as_index=False)["Flow"].sum()

---

前两行只是为组创建了一致的顺序。第三行只是将组相加，现在有了一个一致的分组。

为了它的价值，我尝试了两种稍微不同的方法：

一,

二,

data=pd.DataFrame（data={“To”：[“A”、“A”、“A”、“B”、“B”、“C”、“C”]，
“发件人”：[“A”、“B”、“C”、“A”、“B”、“C”、“A”、“B”、“C”、“A”、“B”、“C”]，
“流”：[1,4,2,5,2,6,3,5,2]}）
swap=data.To

---

两者的性能都比Gabriel A的解决方案差得多，Gabriel A的解决方案非常好：）

在熊猫中，最快的解决方案通常包括使用内置的矢量化函数。您的第一个代码是对每行进行排序的更自然的方式，但应用速度较慢：/

data = pd.DataFrame(data={"To": ["A", "A", "A", "B", "B", "B", "C", "C", "C"],
                          "From": ["A", "B", "C", "A", "B", "C", "A", "B", "C"],
                          "Flow": [1, 4, 2, 5, 2, 6, 3, 5, 2]})

data[["To", "From"]] = data[["To", "From"]].apply(sorted, axis=1)
data.groupby(by=["To", "From"], as_index=False).sum()

data = pd.DataFrame(data={"To": ["A", "A", "A", "B", "B", "B", "C", "C", "C"],
                          "From": ["A", "B", "C", "A", "B", "C", "A", "B", "C"],
                          "Flow": [1, 4, 2, 5, 2, 6, 3, 5, 2]})

swap = data.To < data.From
data.loc[swap, ["To", "From"]] = data.loc[swap, ["From", "To"]].values
data.groupby(by=["From", "To"], as_index=False).sum()