使用Python将成对比较列表转换为层次表示（列）

我有一个如下形式的数据集（大约8000行）

我想将其转换为一个表格，其中显示最低层级的员工与最高层级的所有经理之间的整个“链接”，即：

Employee ID | Manager ID 1 | Manager ID 2 | Manager ID 3
a | b | e | f
c | b | e | f
d | e | f

---

在Python中使用

pandas

最有效的计算方法是什么？

这里有一个使用

numpy

而不是

pandas

的解决方案，但它可能会帮助您：

employee=np.array（['a'，'c'，'b'，'d'，'e'，'f']）#添加'f'作为employee
manager=np.array（['b'，'b'，'e'，'e'，'f'，'f']）作为他自己的管理者

获取每个员工的经理编号（）：

manager\u idx=np.array（[np.where（employee==mng）[0]表示管理器中的mng]）.ravel（）

循环，直到到达层次结构的末尾

manager\u idx\u list=[manager\u idx]
尽管如此：
新经理idx=经理idx列表[-1][经理idx]
如果全部（新经理idx==经理idx列表[-1]）：
打破
其他：
经理idx列表。追加（新经理idx）
manager\u list=np.array（[employee[mng\u idx]代表manager\u idx\u list中的mng\u idx]）.T
#'a'：['b'e'f']
#“c”：[b”“e”“f']
#“b”：[e”f“f']
#'d'：['e'f'f']
#“e”：[f”“f”“f']
#“f”：[f”“f”“f']]

这与图论和树论有更多的关系。熊猫不是这个领域的专家。对于这种情况，networkx更合适。我提出了一个使用networkx的解决方案。在处理之前，您需要安装或

pip

从数据帧构造一个

有向图。获取图表的
叶子列表。使用列表理解和
最短路径
获取从每个
根
到
叶

import networkx as nx

G = nx.from_pandas_edgelist(df, 'Employee ID', 'Manager ID', create_using=nx.DiGraph)
leaves = [node for node in G if G.out_degree(node)==0]
data   = [nx.shortest_path(G, node, leaf) for node in G if G.in_degree(node)==0 
                                               for leaf in leaves]
manager_cols = [f'Manager ID {i}' for i in range(1, df['Manager ID'].nunique()+1)]

df_final = pd.DataFrame(data, columns=['Employee ID', *manager_cols])

Out[371]:
  Employee ID Manager ID 1 Manager ID 2 Manager ID 3
0           a            b            e            f
1           c            b            e            f
2           d            e            f         None

回答得很好。但假设有两个行管理器（即多个最短路径），如何在最终输出中将两个变量作为单独的行返回？
import networkx as nx

G = nx.from_pandas_edgelist(df, 'Employee ID', 'Manager ID', create_using=nx.DiGraph)
leaves = [node for node in G if G.out_degree(node)==0]
data   = [nx.shortest_path(G, node, leaf) for node in G if G.in_degree(node)==0 
                                               for leaf in leaves]
manager_cols = [f'Manager ID {i}' for i in range(1, df['Manager ID'].nunique()+1)]

df_final = pd.DataFrame(data, columns=['Employee ID', *manager_cols])

Out[371]:
  Employee ID Manager ID 1 Manager ID 2 Manager ID 3
0           a            b            e            f
1           c            b            e            f
2           d            e            f         None