在numpy中将协方差表转换为协方差矩阵的最简单方法

假设您加载一个如下所示的相关性表：

pd.DataFrame([['A', 'B', 1], ['B', 'C', 2], ['A', 'C', 3], ['C', 'D', 100]])

1是A和B之间的协方差，2是B和C之间的协方差，以此类推

将其转换为以下内容最优雅（可读+高效）的方式是什么：

np.array([[1, 1, 3, 0], [1, 1, 2, 0], [3, 2, 1, 100], [0, 0, 100, 1]])

---

A、B、C和D的完整协方差矩阵，假设未写入的关系为0（在我的例子中为真）。变量可以是任意顺序。

首先，正如我在评论中提到的，使用带有strign和数字的

ndarray将所有变量转换为字符串。因此，必须将第一个表中的相关值转换回浮点值

假设第一个表是这样的：

pd.DataFrame([['A', 'B', 1], ['B', 'C', 2], ['A', 'C', 3], ['C', 'D', 100]])

correlations=np.array（[[0,1,1]，[1,2,2]，[0,2,3]，[2,3100]）

其中，
'A'
为0，
'B'
为1，依此类推

您可以这样创建所需的矩阵：

pd.DataFrame([['A', 'B', 1], ['B', 'C', 2], ['A', 'C', 3], ['C', 'D', 100]])

matrix=np.identity（变量计数）
对于相关性中的相关性：
i、 j，值=相关性
i、 j=int（i），int（j）
矩阵[i，j]=矩阵[j，i]=值

其中，
var\u counts
是第一个表中的变量数。
我不认为同时使用字符串和数字的ndarray是个好主意。