[英]Matrix from dataframe in R/Python
我有一個 dataframe 像這樣:如果具有該 ID 的人有該水果,則值為 1,否則為 0。 ID 列是主鍵。
ID | 蘋果 | 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 |
我想要一個 output 作為這樣的矩陣。 這是同時擁有 i 和 j 水果的人數。 其中 i 和 j 都相同,例如:cell apple x apple,我們正在查看只有蘋果而沒有其他水果的人數。 沒有人只有蘋果,所以該單元格的值為 0。類似地,我們只有一個人同時擁有蘋果和橙子,因此 (橙 x 蘋果) 和 (蘋果 x 橙) 單元格中的計數均為 1 . 我們在上面的 dataframe 中有 2 個人同時擁有葡萄和蘋果,因此該單元格中的值為 2。
蘋果 | 橙子 | 梨 | 葡萄 | |
---|---|---|---|---|
蘋果 | 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,不知道如何實現這一點。 R 或 Python 的任何幫助將不勝感激。 如果有任何不清楚或缺少任何內容,請隨時提出問題。 謝謝!
這是 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
這是一個tidyverse
R 選項:
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
這個想法是使用expand.grid
來生成所有成對的組合。 rest 正在計算出現次數並進行整形。 根據需要重新排序行和列。
PS。 我應該提到,結果與預期的 output 略有不同。 例如,我不明白為什么 (Pear, Pear) = 1。我認為這是錯誤的。 由於您要求同時出現,因此所有對角線元素都應為零。
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)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.