[英]create a symmetric matrix from a pairwise list python for clustering scikit, DBSCAN
我的目标是使用来自scikit的DBSCAN与预先计算的相似度矩阵执行聚类。 我有一个功能列表。 我进行成对生成列表的唯一对,并具有一个计算对之间相似度的函数。 现在,我想将其转换为可以用作聚类算法输入的对称矩阵。 我认为groupby可能会有所帮助,但是我不确定该怎么做。 这是一个示例代码,给出了一个带有距离度量的对的列表。原始列表中的id字段是唯一的行标识符。
def add_similarity(listdict):
random.seed(10)
newlistdist=[]
for tup_dict in listdict:
newdict={}
tup0=tup_dict[0]
tup1=tup_dict[1]
for key,value in tup0.items():
newdict[key +"_1"]=value
for key,value in tup1.items():
newdict[key+"_2"]=value
newdict["similarity"]=random.random()
newlistdist.append(newdict)
return newlistdist
def generatesymm():
listdict =[{'feature1': 4, 'feature2':2,"id": 100},{'feature1': 3, 'feature2': 2,"id":200},{'feature1': 4, 'feature2':2,"id": 300}]
pairs=list(itertools.combinations(listdict, 2) )
newlistdict=add_similarity(pairs)
如果我运行此代码,这将给
[{'id_2': 200, 'feature1_2': 3, 'feature2_2': 2, 'feature2_1': 2, 'feature1_1': 4, 'similarity': 0.571, 'id_1': 100},
{'id_2': 300, 'feature1_2': 4, 'feature2_2': 2, 'feature2_1': 2, 'feature1_1': 4, 'similarity': 0.42, 'id_1': 100},
{'id_2': 300, 'feature1_2': 4, 'feature2_2': 2, 'feature2_1': 2, 'feature1_1': 3, 'similarity': 0.578, 'id_1': 200}]
我需要的输出
100 200 300
100 1 0.571 0.42
200 0.571 1 0.578
300 0.428 0.578 1
我不清楚id_3
来源,但是下面是制作数据id_3
一种方法。 诀窍是使用numpy索引矩阵的上部和下部三角形部分。
In [679]:
import numpy as np
import pandas as pd
similarities = [x["similarity"] for x in newlistdict]
names = ['id_'+str(x) for x in range(1,4)]
n = len(similarities)
iuu = np.mask_indices(3, np.triu, 1)
iul = np.mask_indices(3, np.tril, -1)
mat = np.eye(n)
mat[iuu] = similarities
mat[iul] = similarities
df = pd.DataFrame(mat,columns=names)
df.index = names
df
Out[679]:
id_1 id_2 id_3
id_1 1.000000 0.896082 0.897818
id_2 0.896082 1.000000 0.186298
id_3 0.897818 0.186298 1.000000
(这些值与您的问题有所不同,因为我不知道您使用的随机种子。)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.