来自数组的符合矩阵与集群分配

Question

我有一个数组，其中包含分配给每个点的簇。

import numpy as np
cluster_labels = np.array([1,1,2,3,4])

我怎样才能得到这样的矩阵：

1 1 0 0 0 
1 1 0 0 0 
0 0 1 0 0 
0 0 0 1 0 
0 0 0 0 1

我敢肯定有什么比：

import numpy as np

cluster_labels = np.array([1,1,2,3,4])
n = cluster_labels.shape[0]
pairwise_clustering = np.zeros((n, n))

for i in xrange(n):
    for j in xrange(n):
        if cluster_labels[i] == cluster_labels[j]:
            pairwise_clustering[i,j] = 1

print pairwise_clustering


[[ 1.  1.  0.  0.  0.]
 [ 1.  1.  0.  0.  0.]
 [ 0.  0.  1.  0.  0.]
 [ 0.  0.  0.  1.  0.]
 [ 0.  0.  0.  0.  1.]]

编辑（奖励）： 我对一组 $n$ cluster_labels 的平均成对聚类感兴趣。所以我想直接从许多cluster_labels的数组中得到pairwise_clustering的平均值：

n_cluster_labels = np.array([[1,1,2,3,4],
                             [1,2,3,3,4],
                             [1,1,2,3,4]])

Answer 1

如果不了解问题本身，很难说你的所作所为是否是解决问题的最佳方法。

但是，可以用更少的代码获得您正在寻找的矩阵：

x = np.array([1,1,2,3,4])
(x[None,:] == x[:,None]).astype(int)

从概念上讲，它与您的代码相同。它只是使用了更多 numpy 的功能，而不是 python for-loops。

将x 索引为x[None,:] 添加了一个长度为1 的虚拟轴。然后我们利用numpy 的广播功能并在广播的数组上逐元素应用相等运算符。最后，我们将布尔结果转换为整数。 （将int 替换为float 以获取浮点数）。