python - Pandas 数据框到邻接矩阵

Question

我有一个以下形式的 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”，权重是每对组共享 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

结果矩阵将是:

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

目前我这样做效率很低:

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). 

这是一种粗略的破解方法，我确信必须有一种使用 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:你的结果和我的结果 C-B 和 B-C 之间的差异是三个而不是两个，这是由于 B-abc 索引行 1 和 2 的重复记录造成的。