Python 从具有值的组合创建矩阵

我有一些组合，比如

(A,B) = 1
(A,C) = 0
(A,D) = 1
(B,C) = 1
(B,D) = 1
(C,D) = 0

你知道如何有效地用所有这些组合中的0,1值创建一个四乘四矩阵吗？因此，结果将类似于：

  A B C D
A - 1 0 1
B 1 - 1 1
C 0 1 - 0
D 1 1 0 -

想象一下，如果“组合”以以下格式（或类似格式）存储在文件中：

A、B、1
A、 C，0
A、 D，1
B、 C，1
B、 D，1
C、 D，0

然后你可以做：

df=pd.read\u csv（文件名，标题=None）

示例（使用示例数据）：

txt=“”A、B、1
A、 C，0
A、 D，1
B、 C，1
B、 D，1
C、 D，0
"""
df=pd.read\u csv（io.StringIO（txt），header=None）

现在

df

包含：

0112
0 A B 1
1 A C 0
2 A D 1
3 B C 1
4 B D 1
5cd0

从这一点出发，稍加按摩就能得到你想要的东西：

#所有标签（用于行和列）
r=已排序（集合（df[0]）集合（df[1]））
#上三角
z=(
df.set_索引（[0,1]）
.reindex（pd.MultiIndex.from_乘积（[r，r]））
.挤压
.取消堆叠（1）
)
#填充下三角部分，使z对称
z=z.where（~z.isna（），z.T）

我们得到：

>>z
A、B、C、D
A NaN 1.0 0.0 1.0
B 1.0 NaN 1.0 1.0
C 0.0 1.0 NaN 0.0
D 1.0 1.0 0 0.0 NaN

注意：如果您希望只停留在

int

-中（并将对角线设置为0），则：

z=(
df.set_索引（[0,1]）
.reindex（pd.MultiIndex.from_乘积（[r，r]），fill_值=0）
.挤压
.取消堆叠（1）
)
z+=z.T

现在：

>>z
A、B、C、D
101
b1011
C 0 1 0 0
D 110 0

用于速度

现在，如果您确实知道您正在处理4x4矩阵，并且顺序与您所指示的完全一致（按上三角形排序），则可以执行以下操作以加快设置：

#以某种方式获取三角形值（例如，读取文件并丢弃
#除了最后一个值以外的所有值；
#这里，我们仅从上面的df中获取它们：
tri=df[2].值#np.数组（[1,0,1,1,0]）
#现在，在纯粹的努比：
z=np.zero（（4,4），dtype=int）
z[np.triu_指数（4,1）]=tri
z+=z.T

结果是一个简单的

numpy

数组（无标签）：

>>z
[[0 1 0 1]
[1 0 1 1]
[0 1 0 0]
[1 1 0 0]]

想象一下，如果“组合”以以下格式（或类似格式）存储在文件中：

A、B、1
A、 C，0
A、 D，1
B、 C，1
B、 D，1
C、 D，0

然后你可以做：

df=pd.read\u csv（文件名，标题=None）

示例（使用示例数据）：

txt=“”A、B、1
A、 C，0
A、 D，1
B、 C，1
B、 D，1
C、 D，0
"""
df=pd.read\u csv（io.StringIO（txt），header=None）

现在

df

包含：

0112
0 A B 1
1 A C 0
2 A D 1
3 B C 1
4 B D 1
5cd0

从这一点出发，稍加按摩就能得到你想要的：

#所有标签（用于行和列）
r=已排序（集合（df[0]）集合（df[1]））
#上三角
z=(
df.set_索引（[0,1]）
.reindex（pd.MultiIndex.from_乘积（[r，r]））
.挤压
.取消堆叠（1）
)
#填充下三角部分，使z对称
z=z.where（~z.isna（），z.T）

我们得到：

>>z
A、B、C、D
A NaN 1.0 0.0 1.0
B 1.0 NaN 1.0 1.0
C 0.0 1.0 NaN 0.0
D 1.0 1.0 0 0.0 NaN

注意：如果您希望只停留在

int

-中（并将对角线设置为0），则：

z=(
df.set_索引（[0,1]）
.reindex（pd.MultiIndex.from_乘积（[r，r]），fill_值=0）
.挤压
.取消堆叠（1）
)
z+=z.T

现在：

>>z
A、B、C、D
101
b1011
C 0 1 0 0
D 110 0

用于速度

现在，如果您确实知道您正在处理4x4矩阵，并且顺序与您所指示的完全一致（按上三角形排序），则可以执行以下操作以加快设置：

#以某种方式获取三角形值（例如，读取文件并丢弃
#除了最后一个值以外的所有值；
#这里，我们仅从上面的df中获取它们：
tri=df[2].值#np.数组（[1,0,1,1,0]）
#现在，在纯粹的努比：
z=np.zero（（4,4），dtype=int）
z[np.triu_指数（4,1）]=tri
z+=z.T

结果是一个简单的

numpy

数组（无标签）：

>>z
[[0 1 0 1]
[1 0 1 1]
[0 1 0 0]
[1 1 0 0]]

通过透视操作，您可以轻松完成此操作。假设您的组合出现在一个csv文件中，看起来像这样（它们也可以很容易出现在一些数据结构中，如字典或2D列表）：

然后你可以这样做：

df = pd.read_csv('sample.csv', header=None)
df.columns = ['col1','col2', 'value']

df = df.pivot(index='col1',columns='col2',values='value')
df =df.where(~df.isna(), df.T) #reflects half-matrix across diagonal
df.fillna('-', inplace=True)

print(df)

#output:
col2  A  B  C  D
col1            
A     -  1  0  1
B     1  -  1  1
C     0  1  -  0
D     1  1  0  -

---

通过pivot操作，您可以轻松完成此操作。假设您的组合出现在csv文件中，如下所示（它们也可以出现在某些数据结构中，如字典或2D列表中）：

然后你可以这样做：

df = pd.read_csv('sample.csv', header=None)
df.columns = ['col1','col2', 'value']

df = df.pivot(index='col1',columns='col2',values='value')
df =df.where(~df.isna(), df.T) #reflects half-matrix across diagonal
df.fillna('-', inplace=True)

print(df)

#output:
col2  A  B  C  D
col1            
A     -  1  0  1
B     1  -  1  1
C     0  1  -  0
D     1  1  0  -

---

你的矩阵的对角线就是零吗？你也尝试过什么，你有一个有效的解决方案，只是在寻找一个更快的方法吗？如果有，请包括它。这些组合是如何存储的？是的，对角线可以是零！我想不出任何可行的解决方案！这些组合存储在文本文件中。请注意，python中的矩阵，在其simp中Nest form可以被认为是一个列表列表。这里，它是一个包含4个长度为4的列表的列表：这4个列表中的每一个都是一行。对于一些实际的矩阵结构，你也可以看到numpy，这可能会帮助你更快地构建它。你的矩阵的对角线是零吗？还有，你尝试过什么，你有一个有效的解决方案吗king for a faster way？如果是，请包括它。这些组合是如何存储的？是的，对角线可以是零！我想不出任何可行的解决方案！这些组合存储在文本文件中。请注意，python中的矩阵，以其最简单的形式，可以被视为列表列表。这里，它是一个包含4个长度为4的列表的列表：每个列表4列表是一行。你也可以看到一些实际矩阵结构的numpy，这可能会帮助你更快地构建它。