熊猫数据框到邻接矩阵

Question

我有一个如下形式的 pandas 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，所以：

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

得到的矩阵是：

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

目前我这样做的效率很低：

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). 

这是第一次通过粗略的黑客方法，我确信必须有使用 groupby 或 crosstab 的替代方法，但我无法弄清楚。

Answer 1

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：您的结果与我的结果 C-B 和 B-C 三个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。

Answer 2

不妨试试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