Python 如何链接熊猫中的数据记录？

我有一个csv文件，可以读入熊猫数据框。数据如下：

+--------+---------+------+----------------+
|姓名|地址| ID |链接到|
+--------+---------+------+----------------+
|名称1 | ABC | 1233 | 1234；1235      |
|名称2 | DEF | 1234 | 1233；1236;1237 |
|名称3 | GHI | 1235 | 1234；1233;2589 |
+--------+---------+------+----------------+

如何对ID和链接的列之间的链接运行分析。例如，我是否应该将链接的值转换为一个列表，并对ID列进行VLOOKUP类型分析？我知道一定有一个明显的方法可以做到这一点，但我被难住了

理想情况下，最终结果应该是一个列表或字典，其中包含行的全部属性，包括其链接到的所有其他记录

---

或者这是我应该将数据转换为SQL数据库的问题吗？

对于唯一和非唯一情况，可以通过以下方式获得每个ID的链接到的ID字典：

def linked_ids(df):
    #set up the dictionary
    dict = {}
    #iterate through the rows
    for row in df.index:
        #separate the semi-colon delimited linked to field
        linked_to = df.ix[row,'Linked_to'].split(";")

        if df.ix[row,'ID'] not in dict.keys():
            dict[df.ix[row,'ID']] = []

            for linked_id in linked_to:
                if linked_id not in dict[df.ix[row,'ID']]:
                    dict[df.ix[row,'ID']].append(linked_id)
        else:
            for linked_id in linked_to:
                if linked_id not in dict[df.ix[row,'ID']]:
                    dict[df.ix[row,'ID']].append(linked_id)

    return dict

---

对于唯一和非唯一情况，可通过以下方式获得每个ID的链接到的ID字典：

def linked_ids(df):
    #set up the dictionary
    dict = {}
    #iterate through the rows
    for row in df.index:
        #separate the semi-colon delimited linked to field
        linked_to = df.ix[row,'Linked_to'].split(";")

        if df.ix[row,'ID'] not in dict.keys():
            dict[df.ix[row,'ID']] = []

            for linked_id in linked_to:
                if linked_id not in dict[df.ix[row,'ID']]:
                    dict[df.ix[row,'ID']].append(linked_id)
        else:
            for linked_id in linked_to:
                if linked_id not in dict[df.ix[row,'ID']]:
                    dict[df.ix[row,'ID']].append(linked_id)

    return dict

---

如果您正在使用pandas dataframe，请尝试以下方法

df.set_index('ID').Linked_To.str.split(';').to_dict()
Out[142]: 
{1233: ['1234', '1235'],
 1234: ['1233', '1236', '1237'],
 1235: ['1234', '1233', '2589']}

---

如果您正在使用pandas dataframe，请尝试以下方法

df.set_index('ID').Linked_To.str.split(';').to_dict()
Out[142]: 
{1233: ['1234', '1235'],
 1234: ['1233', '1236', '1237'],
 1235: ['1234', '1233', '2589']}

---

我不知道你是什么意思？数据由制表符分隔。ID是唯一的吗？是的，ID是唯一的，ID列下没有重复项。@OwaisArshad如果您使用的是pandas dataframe，我们可以尝试pandas的方法，我不确定您的意思是什么？数据由制表符分隔。ID是唯一的吗？是的，ID是唯一的，ID列下没有重复项。@OwaisArshad如果您正在使用pandas dataframe，我们可以尝试pandas的方法来实现此无忧伴侣：）无忧伴侣：）谢谢！这也起了作用。我将它稍微更改为：df.set_index（'ID'）['LINKED_to'].str.split（'；'）。to_dict（）@OwaisArshad aha:-）谢谢！这也起了作用。我将它稍微更改为：df.set_index（'ID'）['LINKED_to'].str.split（'；'）。to_dict（）@OwaisArshad aha:-）