Skip to main content
 首页 » 编程设计

python之如何在python中创建高效的同现

2024年11月24日10qlqwjy

我正在尝试在 python 中创建一个共现矩阵,但正在寻找一些有效的方法来做到这一点。

我的数据集如下所示:

total_labels = ['a','b','c','d'] 
 
occ = [['a','b'],['c','d'],['a','c'],['d'],['a','c','d']] 

我期待这样的输出:

data_mat = [[0, 1 , 2, 1], 
            [1, 0,  0, 0], 
            [2, 0,  0, 2], 
            [1, 0,  2, 0]] 

实际上是:

               a  b   c  d 
data_mat = a [[0, 1 , 2, 1], 
            b [1, 0,  0, 0], 
            c [2, 0,  0, 2], 
            d [1, 0,  2, 0]] 

我试过的是:

import numpy as np 
 
m_matrix = np.zeros([4,4]) 
 
for m in range(len(total_labels)): 
    for j in range(len(total_labels)): 
        for k in occ: 
            if set((total_labels[m],total_labels[j])).issubset(set(k)): 
                m_matrix[m,j]+=1 

这是给予:

array([[3., 1., 2., 1.], 
       [1., 1., 0., 0.], 
       [2., 0., 3., 2.], 
       [1., 0., 2., 3.]]) 

但如您所见,(a,a) 和 (b,b) 等(自循环)之间没有任何联系,但它在那里给出了值。

如何在不使用许多循环的情况下创建 data_mat?

请您参考如下方法:

自合并后跟crosstab

import pandas as pd 
df = pd.DataFrame(occ).stack().rename('val').reset_index().drop(columns='level_1') 
 
df = df.merge(df, on='level_0').query('val_x != val_y') 
pd.crosstab(df.val_x, df.val_y) 

输出:

val_y  a  b  c  d 
val_x             
a      0  1  2  1 
b      1  0  0  0 
c      2  0  0  2 
d      1  0  2  0 

如果只需要你提供的那些标签可以做:

(pd.crosstab(df.val_x, df.val_y) 
     .reindex(total_labels, axis=0).reindex(total_labels, axis=1)) 

或者在合并之前过滤(可能更聪明):

df = df.loc[df.val.isin(total_labels)]