我有一个大型数据集，它代表了公司的层次结构树。举个例子，我可能有以下内容：
Child Parent 273500 273500 20574624 273500 2202652 1879450 19933526 1879450 18000796 18352628 18352628 19770000 1359996 20574624 1879450 20574624 18441258 20574624 20637582 20574624 20840426 20574624 20844632 20574624 20934910 20574624 20965442 20574624 21193122 20574624 21194666 21193122 19770000 20574624 19681810 18352628 19931554 20574624 18382902 1879450 19780666 1879450 20631784 20574624
可以看到，第一行是父节点。
我想要做的是，对数据进行排序，使其实际上代表一个层次结构，从顶部开始，一直到层次结构的底部。我想要这样做的原因是，我想计算树的高度。为此，首先我需要构造树。我已经知道如何使用 构造树treelib package。我现在的问题是，如果我有一个由数千行组成的大型数据集，我该如何对数据进行排序，以便能够构建一棵树。
treelib package
我已经尝试过使用 pandas 中的 .sort_values 根据 Child 列中的值对 Parent 列进行排序。但是，这并没有按照我想要的方式工作。我还尝试使用 group by 函数执行此操作，并以某种方式根据以下问题为行赋予一定的排名：pandas 根据另一列中的值对一列进行排序。
这对于大型数据集不起作用。
以下是我想要得到的结果。
Child Parent 273500 273500 # The first row is the parent row 20574624 273500 # I want all children that belong to this parent node 1879450 20574624 # 18441258 20574624 19770000 20574624 19931554 20574624 20631784 20574624 20637582 20574624 20840426 20574624 20844632 20574624 20934910 20574624 20965442 20574624 21193122 20574624 2202652 1879450 # Now, I want all the children that belong to 1879450 18382902 1879450 # and so on 19780666 1879450 19933526 1879450 18352628 19770000 18000796 18352628 19681810 18352628 1359996 20574624 21194666 21193122
对于如此小的数据集，可以很容易地手动排序。但对于包含数千行的大型数据集，这可能有点麻烦。
定义以下函数：
def getDescendants(curr, par, level): res = [[curr, par, level]] children = df.query('Parent == @curr') for n in children.Child: if n != par: deeper = getDescendants(n, curr, level + 1) if len(deeper) > 0: res.extend(deeper) return res
然后获取“所有父母的父母”的 id（从第 0 行开始）：
hd = df.iloc[0, 0]
并调用上述函数：
pd.DataFrame(getDescendants(hd, hd, 1), columns=['Child', 'Parent', 'Level'])
此功能的作用不止于此。它还能给出每个人在层级结构中的级别。
如果“所有父母的父母”可能位于任意行（不一定在第一行），则需要采用另一种方法。
假设源 DataFrame 包含单个层次树，则根节点可以读作：hd = df.query('Parent == Child').iloc[0,0]。然后按上述方式生成层次树。
hd = df.query('Parent == Child').iloc[0,0]
如果有多个层次树，则：
df.query('Parent == Child').iloc[0]
