- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我使用pandas
对于我所有的平方距离/相似性/相异性矩阵,直到最近它都工作得很好。我一直在处理越来越大的数据集,创建/存储这些具有 100k 属性的成对数据点更是一项艰巨的任务(1e5**2 = 10,000,000,000 个单元格在我的矩阵中)。我意识到这效率低下且计算简单,但在处理具有 1000 个属性的数据集时它从来都不是问题。
我的问题是,如何使用 pandas
的索引功能存储效率为scipy.spatial.distance.squareform
凝聚矩阵?
我可以编写一个可以执行此操作的工具,但如果 pandas
中已存在该工具我更喜欢使用这种方法。如果pandas
中不存在这个并且应该是功能请求,我可以在 GitHub 上这样做。
from sklearn.datasets import load_iris
import pandas as pd
from scipy.spatial import distance
# Load data
X = pd.DataFrame(load_iris().data, columns = load_iris().feature_names, index = map(lambda x:"iris_%d"%x, range(150)))
# Get distance matrix (labeled)
DF_dism = 1 - X.T.corr()
DF_dism.shape
(150, 150)
# Index the matrix to get a pairwise distance between 2 labeled objects
print(DF_dism.loc["iris_5","iris_140"])
# 0.410805649878
# Condense into squareform
distance.squareform(DF_dism)
# Now it's not labeled and I can't index it
# array([ 4.00133876e-03, 2.60889537e-05, 1.83154822e-03, ...,
# 4.29187441e-03, 5.53987884e-03, 8.41229000e-05])
版本:
Python= 3.6.0 |Anaconda 4.3.0 (x86_64)| (default, Dec 23 2016, 13:19:00)
[GCC 4.2.1 Compatible Apple LLVM 6.0 (clang-600.0.57)]
Pandas= 0.19.2
SciPy= 0.18.1
最佳答案
更新:从成对距离数组生成多索引系列
In [236]: from itertools import combinations
In [237]: s = pd.Series(distance.pdist(X, 'correlation'),
index=pd.MultiIndex.from_tuples(tuple(combinations(X.index, 2))))
In [238]: s
Out[238]:
iris_0 iris_1 0.004001
iris_2 0.000026
iris_3 0.001832
iris_4 0.000653
iris_5 0.000414
iris_6 0.001189
iris_7 0.000462
iris_8 0.001923
iris_9 0.003448
iris_10 0.000015
...
iris_145 iris_146 0.001535
iris_147 0.002642
iris_148 0.013283
iris_149 0.015462
iris_146 iris_147 0.003431
iris_148 0.011531
iris_149 0.013519
iris_147 iris_148 0.004292
iris_149 0.005540
iris_148 iris_149 0.000084
dtype: float64
“标记”访问示例:
In [239]: s.loc[("iris_5","iris_140")]
Out[239]: 0.41080564987753798
结果系列的形状:
In [240]: s.shape
Out[240]: (11175,)
<小时/>
旧答案:
试试这个:
In [205]: r = pd.DataFrame(distance.squareform(distance.pdist(X, 'correlation')),
...: columns=X.index,
...: index=X.index)
...:
In [206]: r.loc["iris_5","iris_140"]
Out[206]: 0.41080564987753798
生成的 DF:
In [207]: r
Out[207]:
iris_0 iris_1 iris_2 iris_3 iris_4 ... iris_145 iris_146 iris_147 iris_148 iris_149
iris_0 0.000000 0.004001 0.000026 0.001832 0.000653 ... 0.353135 0.394002 0.346527 0.366083 0.366842
iris_1 0.004001 0.000000 0.003393 0.002603 0.007767 ... 0.294121 0.332886 0.291017 0.313743 0.315165
iris_2 0.000026 0.003393 0.000000 0.001667 0.000939 ... 0.348695 0.389447 0.342444 0.362369 0.363194
iris_3 0.001832 0.002603 0.001667 0.000000 0.003281 ... 0.313620 0.352149 0.305462 0.322263 0.322775
iris_4 0.000653 0.007767 0.000939 0.003281 0.000000 ... 0.374509 0.415817 0.365971 0.383464 0.383862
iris_5 0.000414 0.006408 0.000623 0.002167 0.000117 ... 0.362864 0.403644 0.354281 0.371513 0.371912
iris_6 0.001189 0.009279 0.001562 0.003861 0.000086 ... 0.380048 0.421352 0.370647 0.387134 0.387373
iris_7 0.000462 0.002882 0.000395 0.000454 0.001497 ... 0.333187 0.372898 0.325761 0.343900 0.344528
iris_8 0.001923 0.001454 0.001644 0.000167 0.003969 ... 0.307973 0.346558 0.301079 0.319367 0.320108
iris_9 0.003448 0.000967 0.003014 0.000693 0.006239 ... 0.292241 0.330160 0.285997 0.304751 0.305618
... ... ... ... ... ... ... ... ... ... ... ...
iris_140 0.402175 0.342250 0.397769 0.358920 0.423142 ... 0.003630 0.000877 0.002683 0.006913 0.008383
iris_141 0.314419 0.257357 0.310069 0.277623 0.335490 ... 0.001735 0.006496 0.005755 0.019704 0.022182
iris_142 0.425351 0.367426 0.421202 0.379547 0.444834 ... 0.012273 0.006979 0.006358 0.003563 0.004110
iris_143 0.415332 0.357244 0.411146 0.370246 0.435053 ... 0.009473 0.005029 0.004562 0.003381 0.004123
iris_144 0.396952 0.338613 0.392700 0.353271 0.417104 ... 0.005162 0.002333 0.002158 0.004033 0.005143
iris_145 0.353135 0.294121 0.348695 0.313620 0.374509 ... 0.000000 0.001535 0.002642 0.013283 0.015462
iris_146 0.394002 0.332886 0.389447 0.352149 0.415817 ... 0.001535 0.000000 0.003431 0.011531 0.013519
iris_147 0.346527 0.291017 0.342444 0.305462 0.365971 ... 0.002642 0.003431 0.000000 0.004292 0.005540
iris_148 0.366083 0.313743 0.362369 0.322263 0.383464 ... 0.013283 0.011531 0.004292 0.000000 0.000084
iris_149 0.366842 0.315165 0.363194 0.322775 0.383862 ... 0.015462 0.013519 0.005540 0.000084 0.000000
[150 rows x 150 columns]
关于python - 如何像 `squareform` pd.DataFrame 一样索引压缩的 `Pandas` 矩阵? (Python 3),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42613827/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!