Python 在dataframe中创建父-子对字典

我有一个包含两列的数据框，如下所示：

CHILD   PARENT
1       2
2       3
3       4
10      11
11      12

我需要创建一个字典，在字典中，我将顶部父项作为键，将其所有子项作为一组值，如：

4: [1,2,3]
12: [10,11]

通过以下链接的代码，我已经能够从这个数据帧中提取12和4作为顶级父项：

现在，我不知道如何在python中实现这一点。在java中，我可以通过遵循dfs来实现这一点。有什么建议吗？

这是networkx的方法

这是从networkx来的路

这里有一个BFS方法，它不是基于networkx，networkx是一个很棒的Python包，尽管不是它的一部分

代码：

输出：

这里有一个BFS方法，它不是基于networkx，networkx是一个很棒的Python包，尽管不是它的一部分

代码：

输出：

---

我只能考虑使用networkx，因为pandas不适合特定的数据结构。你可以从这个关系中构造一个图，然后，从那里，你所需要的就是找到彼此断开连接的各种子图？一个节点可以是不止一个父节点的后代吗？我只能考虑使用networkx，因为pandas不适合特定的数据结构。你可以从这个关系中构造一个图，然后，从那里，你所需要的就是找到彼此断开连接的各种子图？一个节点可以是多个父节点的后代吗？

import networkx as nx
G=nx.from_pandas_edgelist(df, 'CHILD', 'PARENT')
l=list(nx.connected_components(G))
L=[dict.fromkeys(y,x) for x, y in enumerate(l)]
d={k: v for d in L for k, v in d.items()}
df.groupby(df.CHILD.map(d)).agg({'CHILD':'unique','PARENT':'max'})
Out[328]: 
       PARENT      CHILD
CHILD                   
0           4  [1, 2, 3]
1          12   [10, 11]

from collections import defaultdict

import pandas as pd

df = pd.DataFrame(data=[[1, 2], [2, 3], [3, 4], [10, 11], [11, 12]],
                  columns=['CHILD', 'PARENT'])

# build graph
graph = defaultdict(set)
for child, parent in df[['CHILD', 'PARENT']].values:
    graph[parent].add(child)

# identity root nodes
roots = []
for node in graph.keys():
    if all(node not in children for children in graph.values()):
        roots.append(node)

# find the descendents of each root node
result = {}
for root in roots:
    visited = set()
    unvisited = graph[root]
    while unvisited:
        visited |= unvisited
        unvisited = set.union(*(graph[node] for node in unvisited)) - visited
    result[root] = visited

print(result)

{4: {1, 2, 3}, 12: {10, 11}}