R/Python 中数据框的矩阵

Question

我有一个这样的数据框：如果具有该 ID 的人拥有该水果，则该值为 1，否则为 0。ID 列是主键。

ID	Apple	Orange	Pear	Grapes
E1	1	0	1	1
E2	0	0	1	0
E3	0	1	1	0
E4	1	1	0	0
E5	1	0	0	1

我想要一个像这样的矩阵输出。这是同时拥有 i 和 j 个水果的人数。其中 i 和 j 都相同，例如：cell apple x apple，我们正在查看至少拥有一个 apple apple 的所有人的数量。在这里，有 3 个人有苹果，所以值为 3。同样，我们只有一个人同时有苹果和橙子 (E4)，所以在 (orange x apple) 和 (apple x orange) 单元格中计数都是 1。我们在上面的数据框中有 2 个人同时拥有葡萄和苹果（E1 和 E5），因此该单元格中的值为 2.

编辑：我想要这样的输出

	Apple	Orange	Pear	Grapes
Apple	3	1	1	2
Orange	1	2	1	0
Pear	1	1	3	1
Grapes	2	0	1	2

我是 R 和 Python 的新手，不知道如何实现。 R 或 Python 中的任何帮助将不胜感激！如果有任何不清楚或遗漏的内容，请随时提出问题。谢谢！

Answer 1

这里是 Python3 和 itertools.permutations 的例子：

import itertools

import pandas as pd

# Create original dataframe
columns = ['ID', 'Apple', 'Orange', 'Pear', 'Grapes']
rows = [
    ['E1', 1, 0, 1, 1],
    ['E2', 0, 0, 1, 0],
    ['E3', 0, 1, 1, 0],
    ['E4', 1, 1, 0, 0],
    ['E5', 1, 0, 0, 1],
]
df = pd.DataFrame(rows, columns=columns)

# Count values of resulting matrix
def get_ones_indexes(els):
    for i, el in enumerate(els):
        if el == 1:
            yield i

res_n = len(df.columns) - 1
res = [[0] * res_n for _ in range(res_n)]

for _, row in df.drop('ID', axis=1).iterrows():
    indexes = list(get_ones_indexes(row.to_list()))

    if len(indexes) == 1:
        idx = indexes[0]
        res[idx][idx] += 1
    else:
        for i, j in itertools.permutations(indexes, 2):
            res[i][j] += 1

# Convert resultinng matrix to dataframe
_, *fruit_cols = df.columns
res_df = pd.DataFrame(res, index=fruit_cols, columns=fruit_cols)

print(res_df)
#         Apple  Orange  Pear  Grapes
# Apple       0       1     1       2
# Orange      1       0     1       0
# Pear        1       1     1       1
# Grapes      2       0     1       0

Answer 2

这里有一个 tidyverse R 选项：

library(tidyverse)
data %>%
    pivot_longer(-ID) %>%
    filter(value > 0) %>%
    select(-value) %>%
    group_by(ID) %>%
    nest() %>%
    mutate(data = map(data, ~ expand.grid(.x$name, .x$name))) %>%
    unnest(data) %>%
    group_by(Var1, Var2) %>%
    summarise(n = n(), .groups = "drop") %>%
    filter(Var1 != Var2) %>%
    pivot_wider(names_from = Var1, values_from = n, values_fill = 0)
## A tibble: 4 x 5
#  Var2   Apple  Pear Grapes Orange
#  <fct>  <int> <int>  <int>  <int>
#1 Pear       1     0      1      1
#2 Grapes     2     1      0      0
#3 Orange     1     1      0      0
#4 Apple      0     1      2      1

想法是使用expand.grid生成所有成对组合。剩下的就是计算出现次数和重塑。 Re-order 根据需要行和列。

PS。我应该指出，结果与预期输出略有不同。例如，我不明白为什么 (Pear, Pear) = 1。我认为这是错误的。由于您要求 co-occurrences，因此所有对角线元素都应为零。

示例数据

data <- read.table(text = "ID   Apple   Orange  Pear    Grapes
E1  1   0   1   1
E2  0   0   1   0
E3  0   1   1   0
E4  1   1   0   0
E5  1   0   0   1", header = T)

R/Python 中数据框的矩阵

Matrix from dataframe in R/Python

python

r

dataframe

pandas

tidyr

示例数据