Python 通过计算单元格中的值来计算共生矩阵

我有一个这样的数据帧

df = pd.DataFrame({'a' : [1,1,0,0], 'b': [0,1,1,0], 'c': [0,0,1,1]})

我想去

  a b c
a 2 1 0
b 1 2 1
c 0 1 2

其中a、b、c是列名，当过滤器在另一列中为“1”时，我得到所有列中计数为“1”的值。 例如，当df.a==1时，我们计算a=2，b=1，c=0等

我做了一个循环来解决这个问题

matrix = []
for name, values in df.iteritems():
    matrix.append(pd.DataFrame( df.groupby(name, as_index=False).apply(lambda x: x[x == 1].count())).values.tolist()[1])
pd.DataFrame(matrix)

---

但我认为有一个更简单的解决方案，不是吗？

您似乎想要矩阵积，所以利用

DataFrame.dot

：

df.T.dot(df)
   a  b  c
a  2  1  0
b  1  2  1
c  0  1  2

v = df.values
pd.DataFrame(v.T.dot(v), index=df.columns, columns=df.columns)

---

或者，如果您希望在不增加pandas开销的情况下获得相同级别的性能，可以使用

np.dot

计算产品：

df.T.dot(df)
   a  b  c
a  2  1  0
b  1  2  1
c  0  1  2

v = df.values
pd.DataFrame(v.T.dot(v), index=df.columns, columns=df.columns)

或者，如果你想变得可爱

(lambda a, c: pd.DataFrame(a.T.dot(a), c, c))(df.values, df.columns)

---

您似乎想要矩阵产品，因此利用

DataFrame.dot

：

df.T.dot(df)
   a  b  c
a  2  1  0
b  1  2  1
c  0  1  2

v = df.values
pd.DataFrame(v.T.dot(v), index=df.columns, columns=df.columns)

---

或者，如果您希望在不增加pandas开销的情况下获得相同级别的性能，可以使用

np.dot

计算产品：

df.T.dot(df)
   a  b  c
a  2  1  0
b  1  2  1
c  0  1  2

v = df.values
pd.DataFrame(v.T.dot(v), index=df.columns, columns=df.columns)

或者，如果你想变得可爱

(lambda a, c: pd.DataFrame(a.T.dot(a), c, c))(df.values, df.columns)

np.einsum

不像

df.T.dot（df）

那么漂亮，但是你多久会看到

np.einsum

amirite

pd.DataFrame(np.einsum('ij,ik->jk', df, df), df.columns, df.columns)

   a  b  c
a  2  1  0
b  1  2  1
c  0  1  2

np.einsum

不像

df.T.dot（df）

那么漂亮，但是你多久会看到

np.einsum

amirite

pd.DataFrame(np.einsum('ij,ik->jk', df, df), df.columns, df.columns)

   a  b  c
a  2  1  0
b  1  2  1
c  0  1  2

---

Numpy

matmul

np.matmul(df.values.T,df.values)
Out[87]: 
array([[2, 1, 0],
       [1, 2, 1],
       [0, 1, 2]], dtype=int64)

#pd.DataFrame(np.matmul(df.values.T,df.values), df.columns, df.columns)

---

Numpy

matmul

np.matmul(df.values.T,df.values)
Out[87]: 
array([[2, 1, 0],
       [1, 2, 1],
       [0, 1, 2]], dtype=int64)

#pd.DataFrame(np.matmul(df.values.T,df.values), df.columns, df.columns)

---

对于numpy数组，可以使用

@

运算符进行乘法运算

df = pd.DataFrame(df.values.T @ df.values, df.columns, df.columns)

---

对于numpy数组，可以使用

@

运算符进行乘法运算

df = pd.DataFrame(df.values.T @ df.values, df.columns, df.columns)

---

爱它，艾因苏姆是一只很难驯服的野兽。爱它，艾因苏姆是一只很难驯服的野兽。很好，我也喜欢这个。可惜它只适用于3.5+版本！（brb，我已经达到每天的投票限制了…）很好，我也喜欢这个。可惜它只适用于3.5+版本！（brb，我已经达到了我的每日投票限制…

df.values.T@df.values

或

（lambda:a.T@a）（df.values）

@RafaelC yep，这与cold的回答非常相似：-）我可以知道投票被否决的原因吗？我的解决方案有问题吗？

df.values.T@df.values

或

（lambda:a.T@a）（df.values）

@RafaelC yep，这与cold的答案非常相似：-）我可以知道投反对票的原因吗？我的解决方案有问题吗？

（lambda，c:pd.DataFrame（a.T.dot（a），c，c））（df.values，df.columns）

@piRSquared哇，我在偷，呃，借用它。

（lambda，c:pd.DataFrame（a.T.dot（a），c，c））（df.values，df.columns）

@piRSquared哇，我在偷，呃，借用它。