计算熊猫中的列对之间的共现[重复]

Question

我有一个包含 1 或 0 值的数据集，用于识别样品 (S) 中是否存在给定的矿物质 (M)。示例如下，但数据集本身包含 160 个样本中的大约 100 种矿物。

import numpy as np
import pandas as pd

data = np.array([['S1', '1', '1', '0', '0'],
                 ['S2', '0', '1', '0', '1'],
                 ['S3', '1', '1', '1', '1'],
                 ['S4', '0', '0', '0', '1']])
                   

minerals = ['Sample', 'M1', 'M2', 'M3', 'M4']

df = pd.DataFrame(data, columns=minerals).set_index('Sample')

co_occurrence = pd.DataFrame(columns=minerals[1:], index=minerals[1:])

对于每对矿物，我需要确定它们在名为 co_occurrence 的单独数据框中同时出现的频率；也就是说，我需要比较 df 中的每一列对，确定这些列中两种矿物的存在位置 (1)，将这些出现相加并在 co_occurrence 中输入匹配的总数。

在给出的示例中，M1:M2 对的共现值应为 2，因为它们在 df 中一起出现两次。

我该怎么做？

Answer 1

您可以使用以下内容：

from itertools import combinations

df = df.astype(int)

co_occurrence = (pd.Series({(c1,c2): (df[c1]&df[c2]).sum()
                            for c1,c2 in combinations(df.columns, 2)})
                   .unstack(-1)
                )

输出：

     M2   M3   M4
M1  2.0  1.0  1.0
M2  NaN  1.0  2.0
M3  NaN  NaN  1.0