python - 将 3 列数据框转换为具有按范围定义的列的矩阵

Question

我有一个 3 列数据框。假设我的列是“doc”、“word”、“count”，每行显示一个单词在文档中出现的次数。

| doc | word | count |
+-----+------+-------+
|   0 |    0 |    10 |
|   0 |    7 |     2 |
|   0 |    4 |     5 |
|   1 |    2 |     5 |
+-----+------+-------+

我想将此数据框转换为矩阵，行作为文档，列作为单词，因此我执行以下操作:

matrix = pd.pivot_table(my_df, index="doc", columns="word", values="count", fill_value=0)

我得到的是一个有列的矩阵 [0,2,4,7] .但是，我想要的是为我的列设置另一个范围，例如 range(10): [0,1,2,3,4,5,6,7,8,9] .后者将导致一些列的所有条目都为 0，这就是我想要的。
我怎样才能做到这一点？

Answer 1

IIUC，你想创建一个稀疏矩阵文档 vs 单词，你可以这样做:

import pandas as pd
from scipy.sparse import csr_matrix

rows, cols, data = zip(*df.to_numpy())
mat = csr_matrix((data, (rows, cols)), shape=(max(rows) + 1, max(cols) + 1))
res = pd.DataFrame(data=mat.toarray())
print(res)

输出

    0  1  2  3  4  5  6  7
0  10  0  0  0  5  0  0  2
1   0  0  5  0  0  0  0  0

通过这种方法，范围是自动确定的。
更新
如果你想有 10 列，你可以这样做:

rows, cols, data = zip(*df.to_numpy())
mat = csr_matrix((data, (rows, cols)), shape=(max(rows) + 1, 10))
res = pd.DataFrame(data=mat.toarray())
print(res)

输出

    0  1  2  3  4  5  6  7  8  9
0  10  0  0  0  5  0  0  2  0  0
1   0  0  5  0  0  0  0  0  0  0