讲师中心 微信公众号

工具推荐

视频效率加速
剧云
剧云

中文短剧剧本制作平台

Laper
Laper

剧本策划到成片协作

AniShort
AniShort

AI短剧协同制作平台

立刻MV
立刻MV

低成本歌曲 MV、视频生成

如何在 Polars 中实现基于多列连通性(等价关系)的动态分组?

夏婷姑娘_2687

夏婷姑娘_2687

发布时间:2026-11-17 11:43:22

|

837人浏览过

|

来源于php中文网

原创

如何在 Polars 中实现基于多列连通性(等价关系)的动态分组?

本文介绍一种借助并查集(disjointset)解决跨列等价关系分组问题的方法:当两行在 key1 或 key2 上存在交集时,视为同一连通分量,最终按连通分量聚合计数。

本文介绍一种借助并查集(disjointset)解决跨列等价关系分组问题的方法:当两行在 key1 或 key2 上存在交集时,视为同一连通分量,最终按连通分量聚合计数。

在 Polars 中,常规的 group_by(['key1', 'key2']) 仅支持笛卡尔式静态分组,无法表达“若行 A 与 B 共享 key1,B 与 C 共享 key2,则 A、B、C 应属同一组”的传递性连通逻辑。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 视为同构节点,每行 (key1, key2) 构成一条无向边,然后识别所有极大连通子图。

以下是完整、可运行的解决方案(需安装 scipy>=1.12.0):

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'],
})

# 步骤 1:提取所有唯一节点(key1 和 key2 合并去重)
all_keys = df.select(
    pl.col("key1").cast(pl.String).append(pl.col("key2").cast(pl.String)).unique()
).to_series().to_list()

# 步骤 2:提取唯一边(避免重复合并)
edges = df.select(["key1", "key2"]).unique().iter_rows()

# 步骤 3:构建并查集并合并连通节点
ds = DisjointSet(all_keys)
for key1, key2 in edges:
    ds.merge(key1, key2)

# 步骤 4:将每个连通分量映射为 group_idx(使用 lazy 模式提升大表性能)
subsets = [list(s) for s in ds.subsets()]
group_mapping = (
    pl.DataFrame({"key": subsets})
    .lazy()
    .with_row_index("group_idx")
    .explode("key")
)

# 步骤 5:关联原始数据并按连通分量聚合
result = (
    df.lazy()
    .join(group_mapping, left_on="key1", right_on="key", how="left")
    .group_by("group_idx")
    .len()
    .collect()
)

print(result)

输出:

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

✅ 结果解读:

  • group_idx=1 包含 3 行(id=1/2/3),对应连通分量 {a, x, y, b}(因 a-x, a-y, b-y 形成链式连接);
  • group_idx=0 为孤立点 c-z,独立成组。

⚠️ 注意事项:

  • key1 和 key2 必须为同类型(建议统一转为 String),否则 DisjointSet 合并可能失败;
  • 若数据含空值(null),需提前 drop_nulls() 或填充,因 DisjointSet 不支持 None;
  • 对超大规模数据(百万级边),可改用 networkx.connected_components 或自定义 Union-Find 实现以优化内存;
  • 此方法不依赖 key1 或 key2 的语义角色——二者完全对称,适用于标签共现、用户-设备绑定、实体消歧等场景。

该方案将图算法与 Polars 的声明式计算无缝结合,兼顾表达力与性能,是处理复杂关系型分组的可靠范式。

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
Lovart
Lovart Hot

一款面向视觉设计创作的AI设计平台,可通过智能体和画布工作流辅助制作海报、Logo、网页、PPT及其他视觉内容。

音述AI
音述AI Hot

一款AI音频处理工具,主要用于音述AI是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区,适合需要提升相关任务效率的用户。

讯飞绘文

讯飞绘文是一款由科大讯飞推出的一站式 AIGC 内容运营平台。

Flowith
Flowith Hot

Flowith是一款基于画布和智能体工作流的 AI 协作工作空间。

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。

超级简历WonderCV

一款AI办公效率工具,主要用于免费求职简历模版下载制作,应届生职场人必备简历制作神器,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。

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。

小橡皮AI

一款AI工具,主要用于小橡皮一键去AI味,将机器味重的内容改得更有活人感,防止因为 AI 内容被平台打上 AI 标签,以及限流,适合需要提升相关任务效率的用户。

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