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)))?
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。
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]])
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。
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 >= 1arr = 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]])