如何将两列数组转换为具有出现次数的矩阵？

问题描述

我有以下numpy数组：

import numpy as np

pair_array = np.array([(205,254),(205,382),(254,(18,69),(31,183),267),(183,382)])

print(pair_array)

#[[205 254]
# [205 382]
# [254 382]
# [ 18  69]
# [205 382]
# [ 31 183]
# [ 31 267]
# [ 31 382]
# [183 267]
# [183 382]]

是否有一种方法可以将该数组转换为包含所有可能组合的出现次数的对称熊猫数据框？ 我期望与此类似：

#     18  31  69 183 205 254 267 382 
#  18  0   0   1   0   0   0   0   0
#  31  0   0   0   1   0   0   1   1
#  69  1   0   0   0   0   0   0   0
# 183  0   1   0   0   0   0   1   1
# 205  0   0   0   0   0   1   0   2
# 254  0   0   0   0   1   0   0   1
# 267  0   1   0   1   0   0   0   0
# 382  0   1   0   1   2   1   0   0

解决方法

一种方法可能是使用NetworkX构建图并使用nx.to_pandas_adjacency直接获得邻接矩阵作为数据帧。为了说明图中 edges 的同时出现，我们可以创建一个nx.MultiGraph，它允许多个边缘连接同一对节点：

import networkx as nx

G = nx.from_edgelist(pair_array,create_using=nx.MultiGraph)
nx.to_pandas_adjacency(G,nodelist=sorted(G.nodes()),dtype='int')

      18   31   69   183  205  254  267  382
18     0    0    1    0    0    0    0    0
31     0    0    0    1    0    0    1    1
69     1    0    0    0    0    0    0    0
183    0    1    0    0    0    0    1    1
205    0    0    0    0    0    1    0    2
254    0    0    0    0    1    0    0    1
267    0    1    0    1    0    0    0    0
382    0    1    0    1    2    1    0    0

建立一个NetworkX图，还可以根据我们期望的行为来创建邻接矩阵或其他矩阵。我们可以使用以下命令创建它：

• nx.Graph：如果我们要将1（或(x,y)）的两个条目y,x和（(x,y)）都设置为(y,x)边缘。因此，这将产生一个对称的邻接矩阵
• nx.DiGraph：如果(x,y)仅应将(x,y)的条目设置为1
• nx.MultiGraph：用于与nx.Graph相同的行为，但考虑到边缘共现
• nx.MultiDiGraph：出于与nx.DiGraph相同的行为，但也考虑了边缘共现的情况

,

一种实现方法是将pair_array与pair_array附加到在轴1处颠倒的位置，这可以使用[::-1]完成。并附加使用np.vstack / np.r_ / np.concatenate。

现在使用pd.crosstab进行交叉制表。

all_vals = np.r_[pair_array,pair_array[:,::-1]]
pd.crosstab(all_vals[:,0],all_vals[:,1])

col_0  18   31   69   183  205  254  267  382
row_0                                        
18       0    0    1    0    0    0    0    0
31       0    0    0    1    0    0    1    1
69       1    0    0    0    0    0    0    0
183      0    1    0    0    0    0    1    1
205      0    0    0    0    0    1    0    2
254      0    0    0    0    1    0    0    1
267      0    1    0    1    0    0    0    0
382      0    1    0    1    2    1    0    0

如@QuangHoang所指出的，当存在相同的对超过一次（即[(18,18),(18,...]）时，则使用

rev = pair_array[:,::-1]
m = (pair_array == rev)
rev = rev[~np.all(m,axis=1)]
all_vals = np.r_[pair_arr,rev]

,

您可以预先创建一个大小为零的数据帧，然后通过循环对来增加相应的单元格：

import numpy as np
import pandas as pd

pair_array = np.array([(205,254),(205,382),(254,69),(31,183),267),82),(183,382)])

vals = sorted(set(pair_array.flatten()))
n = len(vals)

df = pd.DataFrame(np.zeros((n,n),dtype=np.int),columns=vals,index=vals)

for r,c in pair_array:
    df.at[r,c] += 1
    df.at[c,r] += 1

print(df)

输出：

     18   31   69   82   183  205  254  267  382
18     0    0    1    0    0    0    0    0    0
31     0    0    0    1    1    0    0    1    0
69     1    0    0    0    0    0    0    0    0
82     0    1    0    0    0    0    0    0    0
183    0    1    0    0    0    0    0    1    1
205    0    0    0    0    0    0    1    0    2
254    0    0    0    0    0    1    0    0    1
267    0    1    0    0    1    0    0    0    0
382    0    0    0    0    1    2    1    0    0

,

这是crosstab：

pd.crosstab(pair_array[:,1])

输出：

col_0  69   82   183  254  267  382
row_0                              
18       1    0    0    0    0    0
31       0    1    1    0    1    0
183      0    0    0    0    1    1
205      0    0    0    1    0    2
254      0    0    0    0    0    1

,

如果可以添加熊猫作为依赖项，则可以使用此实现

>>> import pandas as pd
>>> df = pd.DataFrame(pair_array)
>>> pd.crosstab(df[0],df[1])
1    69   183  254  267  382
0
18     1    0    0    0    0
31     0    1    0    1    1
183    0    0    0    1    1
205    0    0    1    0    2
254    0    0    0    0    1