标准化numpy数组/出现矩阵“跨对角线”答案

【问题标题】：Normalise numpy array / occurrence matrix "across the diagonal"标准化numpy数组/出现矩阵“跨对角线”
【发布时间】：2021-12-18 21:51:34
【问题描述】：

我正在尝试对共现矩阵进行归一化（我想它被称为？）我有以下来自 csv 文件的数据样本：

import pandas as pd

df = pd.DataFrame({'A':[1,1,1,0,1,1,1,1],
                    'B':[1,0,1,0,1,1,1,1],
                    'C':[0,1,0,1,1,0,1,1],
                    'D':[1,1,1,1,0,1,1,1],
                    'E':[0,1,1,1,1,1,1,0]})

... 我使用以下方法创建此矩阵： (Constructing a co-occurrence matrix in python pandas)

df_asint = df.astype(int)
coocc = df_asint.T.dot(df_asint)
print(coocc)

输出：

[4975 rows x 5 columns]
   A  B  C  D  E
A  7  6  4  6  5
B  6  6  3  5  4
C  4  3  5  4  4
D  6  5  4  7  5
E  5  4  4  5  6

现在的问题。我正在尝试将这些规范化为对角线。如屏幕截图所示，我已经使用 Excel 解决了它。

关于如何在 pandas 中执行此操作有什么想法吗？

【问题讨论】：

标签： python pandas dataframe matrix

【解决方案1】：

使用numpy:

import numpy as np

>>> coocc.divide(np.diag(coocc))

          A         B    C         D         E
A  1.000000  1.000000  0.8  0.857143  0.833333
B  0.857143  1.000000  0.6  0.714286  0.666667
C  0.571429  0.500000  1.0  0.571429  0.666667
D  0.857143  0.833333  0.8  1.000000  0.833333
E  0.714286  0.666667  0.8  0.714286  1.000000

如果你想强制上对角线值为零，你可以这样做：

>>> pd.DataFrame(np.tril(coocc.divide(np.diag(coocc))), columns=coocc.columns, index=coocc.index)

          A         B    C         D    E
A  1.000000  0.000000  0.0  0.000000  0.0
B  0.857143  1.000000  0.0  0.000000  0.0
C  0.571429  0.500000  1.0  0.000000  0.0
D  0.857143  0.833333  0.8  1.000000  0.0
E  0.714286  0.666667  0.8  0.714286  1.0

【讨论】：

这么简单真是太棒了。非常感谢！