[英]Matrix from dataframe in R/Python
我有一个 dataframe 像这样:如果具有该 ID 的人有该水果,则值为 1,否则为 0。 ID 列是主键。
ID | 苹果 | 橙子 | 梨 | 葡萄 |
---|---|---|---|---|
E1 | 1 | 0 | 1 | 1 |
E2 | 0 | 0 | 1 | 0 |
E3 | 0 | 1 | 1 | 0 |
E4 | 1 | 1 | 0 | 0 |
E5 | 1 | 0 | 0 | 1 |
我想要一个 output 作为这样的矩阵。 这是同时拥有 i 和 j 水果的人数。 其中 i 和 j 都相同,例如:cell apple x apple,我们正在查看只有苹果而没有其他水果的人数。 没有人只有苹果,所以该单元格的值为 0。类似地,我们只有一个人同时拥有苹果和橙子,因此 (橙 x 苹果) 和 (苹果 x 橙) 单元格中的计数均为 1 . 我们在上面的 dataframe 中有 2 个人同时拥有葡萄和苹果,因此该单元格中的值为 2。
苹果 | 橙子 | 梨 | 葡萄 | |
---|---|---|---|---|
苹果 | 0 | 1 | 1 | 2 |
橙子 | 1 | 0 | 1 | 0 |
梨 | 1 | 1 | 1 | 1 |
葡萄 | 2 | 0 | 1 | 0 |
我是 R 和 Python 的新手,不知道如何实现这一点。 R 或 Python 的任何帮助将不胜感激。 如果有任何不清楚或缺少任何内容,请随时提出问题。 谢谢!
这是 Python3 和itertools.permutations
的示例:
import itertools
import pandas as pd
# Create original dataframe
columns = ['ID', 'Apple', 'Orange', 'Pear', 'Grapes']
rows = [
['E1', 1, 0, 1, 1],
['E2', 0, 0, 1, 0],
['E3', 0, 1, 1, 0],
['E4', 1, 1, 0, 0],
['E5', 1, 0, 0, 1],
]
df = pd.DataFrame(rows, columns=columns)
# Count values of resulting matrix
def get_ones_indexes(els):
for i, el in enumerate(els):
if el == 1:
yield i
res_n = len(df.columns) - 1
res = [[0] * res_n for _ in range(res_n)]
for _, row in df.drop('ID', axis=1).iterrows():
indexes = list(get_ones_indexes(row.to_list()))
if len(indexes) == 1:
idx = indexes[0]
res[idx][idx] += 1
else:
for i, j in itertools.permutations(indexes, 2):
res[i][j] += 1
# Convert resultinng matrix to dataframe
_, *fruit_cols = df.columns
res_df = pd.DataFrame(res, index=fruit_cols, columns=fruit_cols)
print(res_df)
# Apple Orange Pear Grapes
# Apple 0 1 1 2
# Orange 1 0 1 0
# Pear 1 1 1 1
# Grapes 2 0 1 0
这是一个tidyverse
R 选项:
library(tidyverse)
data %>%
pivot_longer(-ID) %>%
filter(value > 0) %>%
select(-value) %>%
group_by(ID) %>%
nest() %>%
mutate(data = map(data, ~ expand.grid(.x$name, .x$name))) %>%
unnest(data) %>%
group_by(Var1, Var2) %>%
summarise(n = n(), .groups = "drop") %>%
filter(Var1 != Var2) %>%
pivot_wider(names_from = Var1, values_from = n, values_fill = 0)
## A tibble: 4 x 5
# Var2 Apple Pear Grapes Orange
# <fct> <int> <int> <int> <int>
#1 Pear 1 0 1 1
#2 Grapes 2 1 0 0
#3 Orange 1 1 0 0
#4 Apple 0 1 2 1
这个想法是使用expand.grid
来生成所有成对的组合。 rest 正在计算出现次数并进行整形。 根据需要重新排序行和列。
PS。 我应该提到,结果与预期的 output 略有不同。 例如,我不明白为什么 (Pear, Pear) = 1。我认为这是错误的。 由于您要求同时出现,因此所有对角线元素都应为零。
data <- read.table(text = "ID Apple Orange Pear Grapes
E1 1 0 1 1
E2 0 0 1 0
E3 0 1 1 0
E4 1 1 0 0
E5 1 0 0 1", header = T)
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.