如何使用 scipy.sparse.coo_matrix((data, (i, j))) 从两个数据框列构建关联矩阵？

Question

我有一个 pandas DataFrame 包含两列 ['A', 'B']。每列由整数组成。

我想构造一个具有以下属性的稀疏矩阵：

行索引是数据帧中从 0 到最大值的所有整数
列索引与行索引相同
如果 [i,j] 或 [j,i] 是我的数据帧的一行（1 应该是矩阵的最大值），则条目 i,j = 1。

最重要的是，我想使用

coo_matrix((data, (i, j)))

来自 scipy.sparse，因为我正在尝试了解此构造函数以及使用它的特殊方式。我以前从未使用过稀疏矩阵。我尝试了一些方法，但其中 none 有效。

编辑

示例代码

定义数据框

In [96]: df = pd.DataFrame(np.random.randint(5, size=(10,2)))

In [97]: df.columns = ['a', 'b']

In [98]: df
Out[98]: 
   a  b
0  0  3
1  1  4
2  3  3
3  2  0
4  0  2
5  1  0
6  1  1
7  2  3
8  3  4
9  3  2

我最接近的解决方案

In [100]: scipy.sparse.coo_matrix((np.ones_like(df['a']), (df['a'].array, df['b'
     ...: ].array))).toarray()
Out[100]: 
array([[0, 0, 1, 1, 0],
       [1, 1, 0, 0, 1],
       [1, 0, 0, 1, 0],
       [0, 0, 1, 1, 1]])

问题是这不是对称矩阵（因为对于给定的行，它不会同时添加到 i,j 和 j,i），我认为如果有重复，它会给出大于 1 的值行。

Answer 1

import numpy as np
import pandas as pd
from scipy.sparse import coo_matrix

df = pd.DataFrame(np.random.default_rng(seed=100).integers(5, size=(10,2)))
df.columns = ['a', 'b']

arr = coo_matrix((np.ones_like(df.a), (df.a.values, df.b.values)))

这就是您所拥有的。如果 [i,j] 在 df.

中，它会给你 i,j >= 1

arr = arr + arr.T

array([[0, 1, 2, 2, 0],
       [1, 0, 0, 0, 0],
       [2, 0, 0, 1, 2],
       [2, 0, 1, 0, 1],
       [0, 0, 2, 1, 2]])

现在 i,j >= 1 如果 [i,j] 或 [j,i] 在 df 中。

arr.data = np.ones_like(arr.data)

现在如果 [i,j] 或 [j,i] 在 df 中，则 i,j = 1。

array([[0, 1, 1, 1, 0],
       [1, 0, 0, 0, 0],
       [1, 0, 0, 1, 1],
       [1, 0, 1, 0, 1],
       [0, 0, 1, 1, 1]])

如何使用 scipy.sparse.coo_matrix((data, (i, j))) 从两个数据框列构建关联矩阵？

How do I construct an incidence matrix from two dataframe columns using scipy.sparse.coo_matrix((data, (i, j)))?

python

pandas

scipy

sparse-matrix

numpy-ndarray

编辑

示例代码

定义数据框

我最接近的解决方案