pandas数据帧到邻接矩阵

时间:2018-03-22 13:10:29

标签: python pandas dataframe matrix data-structures

我有一个形式为pandas的数据框:

index | id    | group
0     | abc   | A
1     | abc   | B
2     | abc   | B
3     | abc   | C
4     | def   | A
5     | def   | B
6     | ghi   | B
7     | ghi   | C

我想将其转换为加权图/邻接矩阵,其中节点是'组',权重是每个组对的共享ID的总和:

权重是每个ID的组对组合的计数,因此:

AB = 'abc' indexes (0,1),(0,2) + 'def' indexes (4,5) = 3

AC = 'abc' (0,3) = 1

BC = 'abc' (2,3), (1,3) + 'ghi' (6,7) = 3

,结果矩阵为:

    A  |B  |C
A| 0   |3  |1
B| 3   |0  |3
C| 1   |3  |0

目前我通过以下方式做得非常低效:

f = df.groupby(['id']).agg({'group':pd.Series.nunique}) # to count groups per id
f.loc[f['group']>1] # to get a list of the ids with >1 group

# i then for loop through the id's getting the count of values per pair (takes a long time). 

这是第一次粗暴黑客的方法,我敢肯定必须有一个使用groupby或交叉表的替代方法,但我无法弄明白。

2 个答案:

答案 0 :(得分:2)

您可以使用以下内容:

df_merge = df.merge(df, on='id')
results = pd.crosstab(df_merge.group_x, df_merge.group_y)
np.fill_diagonal(results.values, 0)
results

输出:

group_y  A  B  C
group_x         
A        0  3  1
B        3  0  3
C        1  3  0

注意:你的结果和我的结果C-B和B-C三而不是两个的差异是由于B-abc索引第1行和第2行的重复记录。

答案 1 :(得分:1)

也许试试dot

s=pd.crosstab(df.id,df.group)
s=s.T.dot(s)
s.values[[np.arange(len(s))]*2] = 0
s
Out[15]: 
group  A  B  C
group         
A      0  3  1
B      3  0  3
C      1  3  0