在 Pandas 中将字典转换为 symmetric/distance 矩阵的最有效方法

Question

我正在为具有奇怪距离度量的东西做成对距离。我有一本像 {(key_A, key_B):distance_value} 这样的字典，我想制作一个像距离矩阵一样的对称 pd.DataFrame。

最有效的方法是什么？我找到了一种方法，但它似乎不是最好的方法。 NumPy 或 Pandas 中是否有执行此类操作的内容？或者只是一种更快的方法？我的方法是1.46 ms per loop

np.random.seed(0)
D_pair_value = dict()
for pair in itertools.combinations(list("ABCD"),2):
    D_pair_value[pair] = np.random.randint(0,5)
D_pair_value
# {('A', 'B'): 4,
#  ('A', 'C'): 0,
#  ('A', 'D'): 3,
#  ('B', 'C'): 3,
#  ('B', 'D'): 3,
#  ('C', 'D'): 1}
D_nested_dict = defaultdict(dict)
for (p,q), value in D_pair_value.items():
    D_nested_dict[p][q] = value
    D_nested_dict[q][p] = value

# Fill diagonal with zeros
DF = pd.DataFrame(D_nested_dict)
np.fill_diagonal(DF.values, 0)
DF

Answer 1

您可以使用 scipy.spatial.distance.squareform，它将距离计算向量（即 [d(A,B), d(A,C), ..., d(C,D)]）转换为您要查找的距离矩阵。

方法 1：存储在列表中的距离

如果你按顺序计算你的距离，就像在你的示例代码和我的示例距离向量中一样，我会避免使用字典并只将结果存储在列表中，然后执行如下操作：

from scipy.spatial.distance import squareform

df = pd.DataFrame(squareform(dist_list), index=list('ABCD'), columns=list('ABCD'))

方法 2：存储在字典中的距离

如果您的计算顺序不正确并且需要字典，您只需要获得一个正确排序的距离向量：

from scipy.spatial.distance import squareform

dist_list = [dist[1] for dist in sorted(D_pair_value.items())]
df = pd.DataFrame(squareform(dist_list), index=list('ABCD'), columns=list('ABCD'))

方法 3：存储在排序字典中的距离

如果需要字典，请注意有一个名为 sortedcontainers which has a SortedDict 的包，它基本上可以为您解决排序问题。要使用它，您只需将 D_pair_value 初始化为 SortedDict() 而不是 dict。使用您的示例设置：

from scipy.spatial.distance import squareform
from sortedcontainers import SortedDict

np.random.seed(0)
D_pair_value = SortedDict()
for pair in itertools.combinations(list("ABCD"),2):
    D_pair_value[pair] = np.random.randint(0,5)

df = pd.DataFrame(squareform(D_pair_value.values()), index=list('ABCD'), columns=list('ABCD'))

上述任何方法的结果输出：

     A    B    C    D
A  0.0  4.0  0.0  3.0
B  4.0  0.0  3.0  3.0
C  0.0  3.0  0.0  1.0
D  3.0  3.0  1.0  0.0

Answer 2

给定键（单个字符）和距离的字典，这里是基于 NumPy 的方法 -

def dict2frame(D_pair_value):
    # Extract keys and values
    k = np.array(D_pair_value.keys())
    v = np.array(D_pair_value.values())

    # Get row, col indices from keys
    idx = (np.fromstring(k.tobytes(),dtype=np.uint8)-65).reshape(-1,2)

    # Setup output array and using row,col indices set values from v
    N = idx.max()+1
    out = np.zeros((N,N),dtype=v.dtype)
    out[idx[:,0],idx[:,1]] = v
    out[idx[:,1],idx[:,0]] = v

    header = list("".join([chr(item) for item in np.arange(N)+65]))
    return pd.DataFrame(out,index=header, columns=header)

样本运行-

In [166]: D_pair_value
Out[166]: 
{('A', 'B'): 4,
 ('A', 'C'): 0,
 ('A', 'D'): 3,
 ('B', 'C'): 3,
 ('B', 'D'): 3,
 ('C', 'D'): 1}

In [167]: dict2frame(D_pair_value)
Out[167]: 
   A  B  C  D
A  0  4  0  3
B  4  0  3  3
C  0  3  0  1
D  3  3  1  0

在 Pandas 中将字典转换为 symmetric/distance 矩阵的最有效方法

Most efficient way to turn dictionary into symmetric/distance matrix in Pandas

python

numpy

distance

matrix

pandas