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