讲师中心 微信公众号

工具推荐

视频效率加速
Laper
Laper

剧本策划到成片协作

立刻MV
立刻MV

低成本歌曲 MV、视频生成

updream

一键生成高质量推广成片

剧云
剧云

中文短剧剧本制作平台

如何在 Polars 中实现基于多列的连通分量式分组(如合并共享键的记录链)

云明君_8299

云明君_8299

发布时间:2026-11-17 11:17:04

|

623人浏览过

|

来源于php中文网

原创

如何在 Polars 中实现基于多列的连通分量式分组(如合并共享键的记录链)

本文介绍一种借助并查集(disjoint set)解决“多列等价关系聚合”问题的方法:当记录通过 key1 或 key2 存在间接关联时,将其归入同一组并统计总数。

本文介绍一种借助并查集(disjoint set)解决“多列等价关系聚合”问题的方法:当记录通过 key1 或 key2 存在间接关联时,将其归入同一组并统计总数。

在 Polars 中,常规的 group_by(['key1', 'key2']) 仅支持显式组合匹配,无法自动识别跨列的传递性等价关系(例如:(a, x) 和 (a, y) 关联 a,(b, y) 又关联 y → 则 a、b、x、y 应属同一连通分量)。这类需求本质上是图论中的连通分量(Connected Components) 问题,需将 key1 和 key2 视为同一顶点集下的两类标签,并建立无向边连接每对 (key1, key2)。

Polars 原生不提供连通分量算法,但可通过轻量级外部库(如 scipy.cluster.hierarchy.DisjointSet)协同完成。以下是完整、可运行的解决方案:

✅ 步骤详解与代码实现

import polars as pl
from scipy.cluster.hierarchy import DisjointSet

# 构造示例数据
df = pl.DataFrame({
    'id': [1, 2, 3, 4],
    'key1': ['a', 'a', 'b', 'c'],
    'key2': ['x', 'y', 'y', 'z'],
})

# Step 1: 提取所有唯一键(合并 key1 和 key2)
all_keys = df.select(
    pl.col("key1").append(pl.col("key2")).unique().alias("key")
).to_series().to_list()

# Step 2: 获取唯一的关系对(去重后的边)
edges = df.select(["key1", "key2"]).unique().iter_rows()

# Step 3: 初始化并查集,逐条合并关联键
ds = DisjointSet(all_keys)
for key1, key2 in edges:
    ds.merge(key1, key2)

# Step 4: 将每个连通分量映射为 (key → group_idx) 的长表
subsets = [list(s) for s in ds.subsets()]
group_map = (
    pl.DataFrame({"key": subsets})
    .with_row_index("group_idx")
    .explode("key")
)

# Step 5: 将原始数据按 key1 关联分组索引,并聚合计数
result = (
    df.lazy()
    .join(group_map.lazy(), left_on="key1", right_on="key", how="left")
    .group_by("group_idx")
    .len()
    .collect()
)

print(result)

输出结果:

shape: (2, 2)
┌───────────┬─────┐
│ group_idx ┆ len │
│ ---       ┆ --- │
│ u32       ┆ u32 │
╞═══════════╪═════╡
│ 0         ┆ 1   │
│ 1         ┆ 3   │
└───────────┴─────┘

✅ 对应关系说明:

  • group_idx=1 包含 key1='a'(对应 id=1,2)和 key1='b'(id=3),因 'a'–'y'–'b' 形成传递链;
  • group_idx=0 仅含 'c'(id=4),无任何 key2 与其他行交集。

⚠️ 注意事项与最佳实践

  • 键类型一致性:确保 key1 和 key2 数据类型兼容(如均为字符串或数值),避免隐式转换导致合并失败;
  • 性能考量:对于超大规模数据(百万级边),DisjointSet 仍高效,但 pl.DataFrame.iter_rows() 在 Polars 中非最优;可改用 to_numpy() 批量处理提升速度;
  • 缺失值处理:若存在 null,需提前 drop_nulls() 或填充,否则 DisjointSet 会报错;
  • 替代方案:若无法引入 scipy,可用纯 Python 实现并查集(带路径压缩+按秩合并),时间复杂度仍为近似线性;
  • 结果解读:group_idx 是逻辑分组 ID,无业务含义;如需保留代表性键(如首个 key1),可在 group_map 中额外聚合 pl.col("key").first().over("group_idx")。

该方法将图结构建模能力无缝融入 Polars 流水线,兼顾表达力与执行效率,是处理实体对齐、标签传播、会话合并等场景的可靠范式。

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
立刻MV
立刻MV Hot

立刻MV是一款AI文本写作工具,AI 音乐视频(MV)创作工具。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

UpDream
UpDream Hot

一款AI视频创作工具,主要用于哔哩哔哩推出的自研AI视频创作工具,适合需要提升相关任务效率的用户。

函子Zion

一款支持AI搭建、可视化编辑和多端发布的全栈无代码开发平台。

火山引擎

火山引擎是一款面向企业的云计算与AI服务平台。

码上飞
码上飞 Hot

一款基于自然语言的AI应用开发平台,可根据用户描述自动生成应用程序,帮助个人和团队快速完成应用原型与开发。

PixTV
PixTV Hot

PixTV是一款面向AIGC内容创作的AI视频生成工具。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

1931

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

5504

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

1889

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

33537

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

3927

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

3947

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

1283

2023.08.11

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

636

2023.08.10

Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

140

2026.11.12

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn