python-将矩阵转换为数据帧

我创建了一个矩阵：

items = [0, 1, 2, 3]
item_to_item = pd.DataFrame(index=items, columns=items)

我在其中加入了价值观，因此：

其对称性

它的对角线都是0

例如：

   0  1  2  3
0  0  4  5  9
1  4  0  3  7
2  5  3  0  3
3  9  7  3  0

我想创建一个包含所有可能对（从[0，1，2，3]）的数据帧，这样就不会有

（x，x）

对，如果

（x，y）

在，我不想要

（y，x）

，因为它的符号和值相同。 最后，我将拥有以下数据帧（或numpy 2d数组）

---

numpy的np.triu为您提供了上三角形，所有其他元素都设置为零。您可以使用它来构造数据帧，并将其替换为NAN（以便在堆叠列时删除它们）：

您可以在末尾使用

reset_index

将索引转换为列

另一种选择是重新设置索引并再次堆叠，但这次使用可调用的方法对数据帧进行切片：

df.stack().reset_index()[lambda x: x['level_0'] < x['level_1']]
Out: 
    level_0  level_1  0
1         0        1  4
2         0        2  5
3         0        3  9
6         1        2  3
7         1        3  7
11        2        3  3

df.stack（）.reset_index（）[lambda x:x['level_0']

---

这一个需要pandas 0.18.0。

numpy的np.triu为您提供了上三角形，所有其他元素都设置为零。您可以使用它来构造数据帧，并将其替换为NAN（以便在堆叠列时删除它们）：

您可以在末尾使用

reset_index

将索引转换为列

另一种选择是重新设置索引并再次堆叠，但这次使用可调用的方法对数据帧进行切片：

df.stack().reset_index()[lambda x: x['level_0'] < x['level_1']]
Out: 
    level_0  level_1  0
1         0        1  4
2         0        2  5
3         0        3  9
6         1        2  3
7         1        3  7
11        2        3  3

df.stack（）.reset_index（）[lambda x:x['level_0']

---

这一个需要pandas 0.18.0。

这是一个带有-

---

这里有一个简单的解决方案-

---

你知道我如何保存原始身份证吗？我注意到它们正在从0改为len（items）@eranmose。如果你想使用行索引，那么你可以这样做：

np.column\u堆栈（（item\u to\u item.index[r]，item\u to\u item.index[c]，…）

。让我知道它是否对你有效。非常有效，我的朋友！你知道我如何保存原始身份证吗？我注意到它们正在从0改为len（items）@eranmose。如果你想使用行索引，那么你可以这样做：

np.column\u堆栈（（item\u to\u item.index[r]，item\u to\u item.index[c]，…）

。如果对你有用，告诉我。我的朋友干得好！

df.stack().reset_index()[lambda x: x['level_0'] < x['level_1']]
Out: 
    level_0  level_1  0
1         0        1  4
2         0        2  5
3         0        3  9
6         1        2  3
7         1        3  7
11        2        3  3

In [453]: item_to_item
Out[453]: 
   0  1  2  3
0  0  4  5  9
1  4  0  3  7
2  5  3  0  3
3  9  7  3  0

In [454]: r,c = np.triu_indices(len(items),1)

In [455]: pd.DataFrame(np.column_stack((r,c, item_to_item.values[r,c])))
Out[455]: 
   0  1  2
0  0  1  4
1  0  2  5
2  0  3  9
3  1  2  3
4  1  3  7
5  2  3  3