大熊猫DataFrame

Question

我有一个大型数据框（例如15k个对象），其中每一行都是一个对象，而列是数字对象的特征。它的形式为：

df = pd.DataFrame({ 'A' : [0, 0, 1],
                    'B' : [2, 3, 4],
                    'C' : [5, 0, 1],
                    'D' : [1, 1, 0]},
                    columns= ['A','B', 'C', 'D'], index=['first', 'second', 'third'])

我想计算所有对象（行）的成对距离，并且由于其计算效率，读取scipy's pdist()函数是一个很好的解决方案。我可以简单地打电话：

res = pdist(df, 'cityblock')
res
>> array([ 6.,  8.,  4.])

并看到res数组按以下顺序包含距离：[first-second, first-third, second-third]。

我的问题是如何以矩阵，数据帧或（不太理想的）dict格式得到这个，所以我确切知道每个距离值属于哪一对，如下所示：

       first second third
first    0      -     -
second   6      0     -
third    8      4     0

最终，我认为将distance matrix作为pandas DataFrame可能很方便，因为我可以在每行应用一些排名和排序操作（例如，找到对象first的前N个最接近的对象）。

Answer 1

哦，我在webpage找到了答案。显然，有一个名为squareform()的专用函数。暂时不删除我的问题，以免对其他人有帮助。

from scipy.spatial.distance import squareform
res = pdist(df, 'cityblock')
squareform(res)
pd.DataFrame(squareform(res), index=df.index, columns= df.index)
>>        first  second  third
>>first       0       6      8
>>second      6       0      4
>>third       8       4      0