python-3.x - 如何在 Pandas 数据框上制作矩形矩阵正方形

Question

我有一个如下形式的矩阵(不一定是正方形):

   A    B    C    D
A  0   0.2  0.3  0.5
E 0.2  0.6  0.9  0.2
D 0.5  0.3  0.6   0
F 0.1  0.4  0.5  0.3

我想把它变成一个方阵如下

   A    B    C    D    E    F
A  0   0.2  0.3  0.5  0.2  0.1
B 0.2   0    0   0.3  0.6  0.4
C 0.3   0    0   0.6  0.9  0.5
D 0.5  0.3  0.6   0   0.2  0.3
E 0.2  0.6  0.9  0.2   0    0
F 0.1  0.4  0.5  0.3   0    0

换句话说，我想将行和列都展开，使其成为对称方阵(行和列的顺序相同)，缺失值用0填充。

我猜应该有一种方法可以使用 pandas 的内置函数轻松/高效地执行此操作，但我不熟悉该程序包。

为方便起见:

df = pd.DataFrame([[0, 0.2, 0.3, 0.5],
                   [0.2, 0.6, 0.9, 0.2],
                   [0.5, 0.3, 0.6, 0],
                   [0.1, 0.4, 0.5, 0.3]],
                   index=['A', 'E', 'D', 'F'],
                   columns=['A', 'B', 'C', 'D'])

Answer 1

正如您所想，您绝对可以在 Pandas 中非常简洁地完成此操作。

一种方法是使用非常好的 combine_first方法。

result = df.combine_first(df.T).fillna(0.0)

但是，在我使用 timeit 的测试中每个循环的时间为 3.62 ms ± 29.2 µs，实际上比我为 your method 得到的时间稍慢(每个循环 3.5 ms ± 28.6 µs)。

但是，通过使用 update 在 Pandas 中更直接地计算它方法我能够将其降低到每个循环 2.04 ms ± 17.2 µs 每个循环 µs(快约 1.7 倍)。

# Find the combination of both indices
full_index = df.index.union(df.columns)
# Resize the DataFrame to include all the rows and columns
all_data = df.reindex(labels=full_index, axis=0).reindex(labels=full_index, axis=1)
# Update any values we have from the transpose 
all_data.update(all_data.T)
# Fill the missing entries
result = all_data.fillna(0.0)

老实说，我并没有像我想象的那样获得尽可能多的性能改进，但至少对我来说，这两个基于 pandas 的版本都更具可读性。