从两列创建矩阵

Question

我正在尝试从 excel 表中的两列创建一个矩阵。 第一列是具有多个重复实例的键，第二列引用与键相关的不同值。 我希望能够创建第二列中所有值的矩阵，以引用它们为所有关键实例配对的次数。

   a                b
   1               red
   1               blue
   1               green
   2               yellow
   2               red
   3               blue
   3               green
   3               yellow

我想把这个样本 dataframe 变成

color      red   blue   yellow   green
red         0      1       1       1
blue        1      0       1       2
yellow      1      1       0       1
green       1      2       1       0 

基本上使用列 a 作为 groupby() 来分割每个键，然后将遇到的关系计数为运行计数。 不太清楚如何实现 pivot 表或交叉表来完成此操作（如果这甚至是最好的路线）。

Answer 1

import numpy as np
import pandas as pd


s = pd.crosstab(df.a, df.b)  # crosstabulate
s = s.T @ s  # transpose and take dot product
np.fill_diagonal(s.values, 0)  # Fill the diagonals with 0

print(s)

b       blue  green  red  yellow
b                               
blue       0      2    1       1
green      2      0    1       1
red        1      1    0       1
yellow     1      1    1       0

Answer 2

这看起来像一个外部连接，所以我选择了它：

df = pd.DataFrame( {'a': [1,1,1,2,2,3,3,3],
                    'b':['red', 'blue', 'green', 'yellow', 'red', 'blue', 'green', 'yellow']})

df_count = df.merge(df, on = 'a').groupby(['b_x', 'b_y']).count().reset_index().pivot(index = 'b_x', columns='b_y', values='a')
np.fill_diagonal(df_count.values, 0)

df_count.index.name='color'
df_count.columns.name=None

        blue    green   red yellow
color               
blue    0   2   1   1
green   2   0   1   1
red     1   1   0   1
yellow  1   1   1   0

Answer 3

使用how='crosstab'作为pd.merge的参数。 我假设您没有像两个（1，红色）这样的（'a'，'b'）重复项。

out = (
  pd.merge(df, df, how='cross').query('a_x == a_y & b_x != b_y')[['b_x', 'b_y']] \
    .assign(dummy=1).pivot_table('dummy', 'b_x', 'b_y', 'count', fill_value=0) \
    .rename_axis(index=None, columns=None)
)
print(out)

# Output:
        blue  green  red  yellow
blue       0      2    1       1
green      2      0    1       1
red        1      1    0       1
yellow     1      1    1       0