如何检测具有至少 1 个共同元素的共同元素列表和分组列表？

Question

我有一个包含子列表或元素列表的 1 列（+索引）的数据框。 我想检测列表/子列表中的公共元素，并用至少 1 个公共元素对列表进行分组，以便只有没有任何公共元素的元素列表。 列表/子列表目前是这样的（例如 4 行）：

                 Num_ID
Row1   [['A1','A2','A3'],['A1','B1','B2','C3','D1']]`

Row2   ['A1','E2','E3']

Row3   [['B4','B5','G4'],['B6','B4']]

Row4   ['B4','C9']

n 个没有共同元素的列表（前 2 个示例）：

['A1','A2','A3','B1','B2','C3','D1','E2','E3']
['B4','B5','B6','C9','G4']

Answer 1

您可以为此使用NetworkX 的connected_components 方法。以下是我如何处理这种适应 this 的解决方案：

import networkx as nx
from itertools import combinations, chain

df= pd.DataFrame({'Num_ID':[[['A1','A2','A3'],['A1','B1','B2','C3','D1']], 
                            ['A1','E2','E3'], 
                            [['B4','B5','G4'],['B6','B4']], 
                            ['B4','C9']]})

首先展平每个列表中的子列表：

L = [[*chain.from_iterable(i)] if isinstance(i[0], list) else i 
       for i in df.Num_ID.values.tolist()]

[['A1', 'A2', 'A3', 'A1', 'B1', 'B2', 'C3', 'D1'],
 ['A1', 'E2', 'E3'],
 ['B4', 'B5', 'G4', 'B6', 'B4'],
 ['B4', 'C9']]

鉴于列表/子列表有超过 2 个元素，您可以从每个子列表中获取所有长度为 2 的组合，并将它们用作网络边（注意边只能连接两个节点）：

L2_nested = [list(combinations(l,2)) for l in L]
L2 = list(chain.from_iterable(L2_nested))

生成一个图，并使用 add_edges_from 将列表添加为图边。然后使用 connected_components，它会精确地为您提供图中连接组件集的列表：

G=nx.Graph()
G.add_edges_from(L2)
list(nx.connected_components(G))

[{'A1', 'A2', 'A3', 'B1', 'B2', 'C3', 'D1', 'E2', 'E3'},
 {'B4', 'B5', 'B6', 'C9', 'G4'}]