Python 如何减少这种数据帧连接代码

下面有一个元组列表形式的模板，我将使用DataFrameJoin对其进行实例化

rule = [('#1', 'X', 'Y'), ('#2', 'X', 'Z'), ('#3', 'Z', 'Y')]

我还有一个作为字典的模板的每个组件的实例

rComp_substitution =

{('#1', 'X', 'Y'):           pred  subj  obj
                   0  nationality  BART  USA, 
 
 ('#2', 'X', 'Z'):            pred  subj      obj
                   0  placeOfBirth  BART  NEWYORK
                   1     hasFather  BART   HOMMER, 
 
 ('#3', 'Z', 'Y'):           pred     subj  obj
                   0    locatedIn  NEWYORK  USA
                   1  nationality   HOMMER  USA }

每个组件对应的实例是一个dataframe，有三列。对于

（“#1”、“X”、“Y”）

，

#1

对应于

pred

，

X

对应于

suba

，

Y

对应于

obj

例如，首先实例化（'#1'，X'，Y'），（'#2'，X'，Z'）

我们可以检查（'#1'，X'，Y'）和（'#2'，X'，Z'）的公共变量

并用一个键连接每个数据帧的公共变量X（subc），以获得（'#1'，X'，Y'），（'#2'，X'，Z'）的实例

下面是我的代码

depth = 0    
# step1 check common variable
current_subj = rule[depth][1] #['X']
current_obj = rule[depth][2] #['Y']
next_subj = rule[depth+1][1] #['X']
next_obj = rule[depth+1][2] #['Z']
if current_subj == next_subj or current_subj == next_obj:
    comVar = current_subj
elif current_obj == next_subj or current_obj == next_obj:
    comVar = current_obj

# step2 Create currnt_rComp with common variable for joining dataframes
current_rComp = rComp_substitution[rule[depth]]
unified_rComp = []
for col in current_rComp.itertuples(index=False):
    if comVar == current_subj:
        unified_rComp.append([col.subj, [list(col)]])
    elif comVar == current_obj:
        unified_rComp.append([col.obj, [list(col)]])
current_rComp = pd.DataFrame(unified_rComp, columns=['comVar', 'triples'])

# step3 Create next_rComp with common variable for joining dataframes
next_rComp = rComp_substitution[rule[depth+1]]
unified_rComp = []
for col in next_rComp.itertuples(index=False):
    if comVar == next_subj:
        unified_rComp.append([col.subj, [list(col)]])
    elif comVar == next_obj:
        unified_rComp.append([col.obj, [list(col)]])
next_rComp = pd.DataFrame(unified_rComp, columns=['comVar', 'triples'])

# step4 Join currnt_rComp and next_rComp with common variable as key
partial_proof_path = pd.merge(current_rComp, next_rComp, how='inner', on='comVar')
print(partial_proof_path)

此代码输出为

  comVar                   triples_x                        triples_y
0   BART  [[nationality, BART, USA]]  [[placeOfBirth, BART, NEWYORK]]
1   BART  [[nationality, BART, USA]]      [[hasFather, BART, HOMMER]]

我认为这段代码太长了。有没有一种方法可以对更简单的代码执行同样的操作？

输入数据：

rComp_substitution={（'1'，'X'，'Y'）：pd.DataFrame（{'pred'：['national']，'subc'：['BART']，'obj'：['USA']}），
（“#2”，“X”，“Z”）：pd.数据帧（{'pred'：['placeOfBirth'，'hasdafter'，'subc'：['BART'，'BART']，'obj'：['NEWYORK'，'HOMMER']}），
（“#3”，“Z”，“Y”）：pd.数据帧（{'pred'：['locatedIn'，'national']，'subc'：['NEWYORK'，'HOMMER']，'obj'：['USA'，'USA']}）
规则=列表（rComp\u substitution.keys（））

主要功能：

def merge_from_common_key（规则0，规则1）：
#加载数据帧
df0=rComp_替换[rule0]
df1=rComp_替换[规则1]
#按规则重命名[“pred”、“subc”、“obj”]
df0.columns=rule0
df1.columns=rule1
#找到公共密钥并合并两个数据帧
key=df0.columns.intersection（df1.columns.tolist（））
df=pd.merge（df0，df1，on=key）
#构建新的数据框架
返回pd.DataFrame（{“common”：df[“X”].values.tolist（），
“left”：df[list（rules[0]）].values.tolist（），
“right”：df[list（rules[1]）].values.tolist（）}）

用法：

>>从公共密钥合并密钥（规则[0]，规则[1]）
公共左-右
0巴特[国籍，巴特，美国][出生地，巴特，纽约]
1巴特[国籍，巴特，美国][父亲，巴特，霍默]