python - 来自 Pandas 数据框的共现矩阵

Question

问题

我有一个 pandas 数据框，我需要计算数据框中的每个唯一条目出现在每个其他条目的同一行中有多少行。

---

<子>

相关但不同的帖子

• Co-occurrence Matrix from list of words in Python :与我的问题类似，但不是从数据框开始的。大多数答案使用迭代。我希望 Pandas 中存在更好的解决方案。
• Constructing a co-occurrence matrix in python pandas :这已经从一个数据框开始，其中正文中只有 0 和 1(我想代表实际值？)但不是实际值。
• Convert Two column data frame to occurrence matrix in pandas :这篇文章假设只有两列，这对于这里讨论的案例来说是相当严格的

---

可重现的设置

import pandas as pd
import numpy as np

数据框:

df = pd.DataFrame({'a': ['A', 'A', 'B', 'B'],
                   'b': ['B', 'C', 'B', 'B'],
                   'c': ['C', 'A', 'C', 'A'],
                   'd': ['B', 'D', 'B', 'A']},
                   index=[0, 1, 2, 3])

即:

+----+-----+-----+-----+-----+
|    | a   | b   | c   | d   |
|----+-----+-----+-----+-----|
|  0 | A   | B   | C   | B   |
|  1 | A   | C   | A   | D   |
|  2 | B   | B   | C   | B   |
|  3 | B   | B   | A   | A   |
+----+-----+-----+-----+-----+

_{(使用 this 打印。)}

---

我尝试过的

我尝试使用 code from answer , & 替换这些变量:

document = [list(each) for each in df.values]
names = list(np.unique(df.values))

它给出了错误的结果:

  A B C D
A 4 6 3 2
B 6 10 5 0
C 3 5 0 1
D 2 0 1 0

它基于迭代，所以我希望有更好的解决方案。

---

预期输出

+----+-----+-----+-----+-----+
|    |   A |   B |   C |   D |
|----+-----+-----+-----+-----|
| A  | nan |   2 |   2 |   1 |
| B  |   2 | nan |   2 |   0 |
| C  |   2 |   2 | nan |   1 |
| D  |   1 |   0 |   1 | nan |
+----+-----+-----+-----+-----+

有 2 行，其中 A 和 B 都出现了，所以单元格行 A 中的值B 列是 2。2 行 A 和 C 都出现了，所以单元格行 A 列中的值 C 是 2。

---

问题

我怎样才能在 Pandas 中轻松获得这个按行共生矩阵？如果我不必循环遍历这些值就太好了。

---

_{(pandas.Categorical 可能有点用，我还没有成功。)}

Answer 1

我们可以做stack然后get_dummies和dot然后value

s=df.stack().str.get_dummies().sum(level=0).ne(0).astype(int)
s=s.T.dot(s).astype(float)
np.fill_diagonal(s.values, np.nan)
s
Out[33]: 
     A    B    C    D
A  NaN  2.0  2.0  1.0
B  2.0  NaN  2.0  0.0
C  2.0  2.0  NaN  1.0
D  1.0  0.0  1.0  NaN