比较往返列表值并更改它们 Pandas

Question

我有一个 df 数据框。数据框具有名为“源”、“目标”和“路径”的三列。 Path列是一个列表，值是各个路由器的路径。 “Source”表示各个路由器路径的起点，“Destination”表示各个路由器路径的终点：

Source      Destination   Path
---------- ------------ -------------------------------------------------
10.0.13.100 10.0.14.100 ['10.0.1.26']
10.0.14.100 10.0.13.100 ['10.0.1.25']
10.0.13.100 10.0.12.100 ['10.0.1.17', '10.0.1.5', '10.0.1.2']
10.0.12.100 10.0.13.100 ['10.0.1.1', '10.0.1.6', '10.0.1.18']
10.0.13.100 10.0.22.100 ['10.0.1.17', '10.0.1.14', '10.0.4.6', '10.0.2.5']
10.0.22.100 10.0.13.100 ['10.0.2.6', '10.0.4.5', '10.0.1.13', '10.0.1.18']
10.0.11.100 10.0.13.100 ['10.0.1.6', '10.0.1.18']
10.0.13.100 10.0.11.100 ['10.0.1.17', '10.0.1.5']
.....................................................................

我想要创建一个名为“Path_Def”的附加列，其中 Path 列的返回路径是参照 Source 和 Destination 列进行评估的。

示例： 我使用路径 [..] 评估起点 -> 10.0.13.100 和目的地 -> 10.0.14.100 并使用其路径 [..] 评估其反向路径或起点 -> 10.0.14.100 和目的地 -> 10.0.13.100 ...]。 我想做的是通过反转这些值将第二条路径的值更改为第一条路径的值（始终指的是起点和终点）。

所以对于列表中的每个值，你应该这样做：

  Source        Destination   Path
  10.0.13.100   10.0.22.100  ['10.0.1.17', '10.0.1.14', '10.0.4.6', '10.0.2.5']
  10.0.22.100   10.0.13.100  ['10.0.2.5', '10.0.4.6', '10.0.1.14', '10.0.1.17']
.............................................................................

..

我想要的数据框中的结果是这样的：

Source      Destination   Path_Def                                      
10.0.13.100 10.0.14.100  ['10.0.1.26']                                
10.0.14.100 10.0.13.100  ['10.0.1.26']
10.0.13.100 10.0.12.100  ['10.0.1.17', '10.0.1.5', '10.0.1.2']
10.0.12.100 10.0.13.100  ['10.0.1.2', '10.0.1.5', '10.0.1.17']
10.0.13.100 10.0.22.100  ['10.0.1.17', '10.0.1.14', '10.0.4.6', '10.0.2.5']
10.0.22.100 10.0.13.100  ['10.0.2.5', '10.0.4.6', '10.0.1.14', '10.0.1.17']
10.0.11.100 10.0.13.100  ['10.0.1.6', '10.0.1.18']
10.0.13.100 10.0.11.100  ['10.0.1.18', '10.0.1.6']
.....................................................................

如何做到这一点？我真的不知道从哪里开始，非常感谢

编辑 @Simon 代码后：

编辑合并 DF：

编辑在最后一个代码之后：

Answer 1

将数据框合并到自身，然后应用条件并最终清理列：

import pandas as pd

# setup
source = ["10.0.14.100", "10.0.13.100", "10.0.12.100", "10.0.13.100", "10.0.22.100", "10.0.11.100", "10.0.13.100", "10.0.13.100"]
destination = ["10.0.13.100", "10.0.12.100", "10.0.13.100", "10.0.22.100", "10.0.13.100", "10.0.13.100", "10.0.11.100", "10.0.14.100"]
path = [['10.0.1.25'], ['10.0.1.17', '10.0.1.5', '10.0.1.2'], 
        ['10.0.1.1', '10.0.1.6', '10.0.1.18'], ['10.0.1.17', '10.0.1.14', '10.0.4.6', '10.0.2.5'], 
        ['10.0.2.6', '10.0.4.5', '10.0.1.13', '10.0.1.18'], ['10.0.1.6', '10.0.1.18'], ['10.0.1.17', '10.0.1.5'], ['10.0.1.26']]

df = pd.DataFrame({"source":source, "destination":destination, "path":path})

# join column onto itself
df = df.merge(df, left_on=["destination", "source"], right_on=["source", "destination"])
# Conditionally choose the right path
df["Path_Def"] = np.where(df["source_x"] < df["destination_x"], df["path_x"], df["path_y"])
# Flip the ones that need to be flipped
df["Path_Def"] = [path[::-1] if source > destination else path for path, source, destination in zip(df["Path_Def"].values, df["source_x"].values, df["destination_x"].values)]


# select columns you want to keep
df = df[["source_x", "destination_x", "Path_Def"]]
print(df)

输出：

      source_x destination_x                                    Path_Def
0  10.0.14.100   10.0.13.100                                 [10.0.1.26]
1  10.0.13.100   10.0.12.100             [10.0.1.18, 10.0.1.6, 10.0.1.1]
2  10.0.12.100   10.0.13.100             [10.0.1.1, 10.0.1.6, 10.0.1.18]
3  10.0.13.100   10.0.22.100  [10.0.1.17, 10.0.1.14, 10.0.4.6, 10.0.2.5]
4  10.0.22.100   10.0.13.100  [10.0.2.5, 10.0.4.6, 10.0.1.14, 10.0.1.17]
5  10.0.11.100   10.0.13.100                       [10.0.1.6, 10.0.1.18]
6  10.0.13.100   10.0.11.100                       [10.0.1.18, 10.0.1.6]
7  10.0.13.100   10.0.14.100                                 [10.0.1.26]