开始import collections（很快将需要）。
我假设你已经阅读了df和Fa DataFrames。
我的代码的第一部分是创建子级数（索引-父级，值-子级）：
isFather = df.Name.str.contains('-father', case=False)
dfChildren = df[~isFather]
key = []; val = []
for fath in df[isFather].Name:
prefix = fath.split('-')[0]
for child in dfChildren[dfChildren.Name.str.startswith(prefix)].Name:
key.append(prefix)
val.append(child)
children = pd.Series(val, index=key)
打印孩子以查看结果。
第二部分是从Fa中的每个起点开始创建实际结果：
nodes = collections.deque()
father = []; baby = [] # Containers for source data
# Loop for each starting point
for startNode in Fa.Name.str.split('-', expand=True)[0]:
nodes.append(startNode)
while nodes:
node = nodes.popleft() # Take node name from the queue
# Children of this node
myChildren = children[children.index == node]
# Process children (ind - father, val - child)
for ind, val in myChildren.items():
parts = val.split('-') # Parts of child name
# Child "actual" name (if exists)
val_2 = parts[2] if len(parts) >= 3 else ''
if val_2 not in father: # val_2 not "visited" before
# Add father / child name to containers
father.append(ind)
baby.append(val)
if len(val_2) > 0:
nodes.append(val_2) # Add to the queue, to be processe later
# Drop rows for "node" from "children" (if any exists)
if (children.index == node).sum() > 0:
children.drop(node, inplace=True)
# Convert to a DataFrame
result = pd.DataFrame({'Father': father, 'Baby': baby})
result.Father += '-father' # Add "-father" to "bare" names
我用小写的“ f”添加了-father，但是我认为这并不是很多重要的细节。
对于你的数据样本，结果是：
Father Baby
0 A03-father A03-SA-A02-SA
1 A03-father A03-SA-A05-SA
2 A03-father A03-SA-A17-SA
3 A02-father A02-SA-A04-SA
4 A05-father A05-NA
5 A17-father A17-SA-A18-SA
6 A04-father A04-SA-A09-SA
7 A09-father A09-SA-A20-SA
8 B02-father B02-SA-B04-SA
9 B04-father B04-SA-B06-SA
10 B06-father B06-NA
关于数据样本的两点评论：
- 你用大写的O（一个字母）而不是0 （零）写了B04-SA-B02-SA。我在源数据中对其进行了更正。
A02-father A02-SA-A04-SA你的预期结果中的行增加了一倍。我认为它应该只发生一次。
对于父亲.csv中的一条记录，这工作得很好，我在父亲.csv中有大约200条记录，并且代码只是在检查第一个父亲。
您的输入数据样本（Fa）仅包含一行。请指出它包含更多行时的期望。第一个假设可以是为每个起点运行我的代码并连接结果。但是也许以前发现的（对于先前的起点）应该对当前循环的工作方式产生一些影响？提供一个具有2个起点，预期结果和一些解释的Fa例子。
希望他们彼此之间没有任何影响。我更新了示例和必要的解释。我认为必须更改Fa.iloc [0,0]并包括在Fathers.csv中存在的所有值
这工作得很好。我不知道怎么说。如果您仅在代码中添加注释，我将不胜感激。这样我就可以更好地理解它。谢谢
我添加了一些评论。您还可以添加一些“跟踪”打印输出，并在某些有限的源数据上运行代码。