仅在数据框中保留直接父子 ID 对

Question

我有以下数据框：   id_parent  id_child0       1100      10901       1100      10802       1100      10703       1100      10604       1090      10805       1090      10706       1080      1070我只想保持直接父子连接。示例：1100 有 3 个连接，但只保留 1090，因为 1080 和 1070 已经是 1090 的子节点。此示例 df 仅包含 1 个样本，df 由多个父/子集群组成。因此，输出应如下所示：   id_parent  id_child0       1100      10901       1090      10802       1080      10703       1100      1060示例代码：import pandas as pd#create sample input df_input = pd.DataFrame.from_dict({'id_parent': {0: 1100, 1: 1100, 2: 1100, 3: 1100, 4: 1090, 5: 1090, 6: 1080}, 'id_child': {0: 1090, 1: 1080, 2: 1070, 3: 1060, 4: 1080, 5: 1070, 6: 1070}})#create sample outputdf_output = pd.DataFrame.from_dict({'id_parent': {0: 1100, 1: 1090, 2: 1080, 3: 1100}, 'id_child': {0: 1090, 1: 1080, 2: 1070, 3: 1060}})我目前的方法是基于这个问题：Creating dictionary of parent child pairs in pandas dataframe 但也许有一种简单干净的方法可以解决这个问题而不依赖于额外的非标准库？

Answer 1

这对我有用：

# First: group df by child id

grouped  = df_input.groupby(['id_child'], as_index=True).apply(lambda a: a[:])

# Second: Create a new output dataframe

OUTPUT = pd.DataFrame(columns=['id_parent','id_child'])

# Third: Fill it with the unique childs ids and the minimun id for their parent in case of more than one. 

for i,id_ch in enumerate(df_input.id_child.unique()):

    OUTPUT.loc[i] = [min(grouped.loc[id_ch].id_parent), id_ch]

Answer 2

我可以使用得到结果drop_duplicates

In [6]: df

Out[6]:

   id_parent  id_child

0       1100      1090

1       1100      1080

2       1100      1070

3       1090      1080

4       1090      1070

5       1080      1070

In [9]: df.drop_duplicates(subset=['id_parent']).reset_index(drop=True)

Out[9]:

   id_parent  id_child

0       1100      1090

1       1090      1080

2       1080      1070