来自 R/Python 中 dataframe 的矩阵

Question

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！

Answer 1

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

Answer 2

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。

---

样本数据

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)