Попарные различия в столбце в пандах

Question

У меня есть набор данных с 3 столбцами - DriverID, Race, Place. DriverID

 DriverID Race  Place
    83    1      1
    18    1      2
    20    1      3
    48    1      4
    53    1      5

Для каждой расы я хочу вычислить матрицу (массив numpy) из попарных различий в столбце Place по DriverID. Проблема в том, что представлены не все DriverID и расы. Поэтому я решил сначала создать полную таблицу перекрестных соединений для каждой комбинации DriverID и Race следующим образом ( воспроизводимый пример ниже ):

url = "http://personal.psu.edu/drh20/code/btmatlab/nascar2002.txt"
races_trimmed = pd.read_table(url, sep=" ")

# Create a cartesian product of unique drivers and races to get every combination
unq_drivers = sorted(races_trimmed["DriverID"].unique())
unq_drivers = [x for x in unq_drivers if str(x) != 'nan']
unq_races = sorted(races_trimmed["Race"].unique())
unq_races = [x for x in unq_races if str(x) != 'nan']

# Get a dataframe 
unq_drivers_df = pd.DataFrame(unq_drivers, columns=["DriverID"])
unq_races_df = pd.DataFrame(unq_races, columns=["Race"])

# Let's cross join the columns to get all unique combinations of drivers and races
all_driver_race_combs = unq_drivers_df.assign(foo=1).merge(unq_races_df.assign(foo=1)).drop('foo', 1)
all_driver_race_combs = all_driver_race_combs.sort_values(by=['Race', 'DriverID'])
all_driver_race_mg = pd.merge(all_driver_race_combs, races_trimmed,  how='left', 
                              left_on=['DriverID','Race'], right_on = ['DriverID','Race'])

Теперь, чтобы получить попарные разности, я действую следующим образом (используя подход из здесь :

# Now let's do a pairwise difference in finish across drivers for a 
# single race
# based on https://stackoverflow.com/questions/46266633/pandas-creating-difference-matrix-from-data-frame
race_num = 2.0
race_res = all_driver_race_mg[all_driver_race_mg["Race"] == race_num]
race_res = race_res.sort_values(by=['DriverID'])

arr = (race_res['Place'].values - race_res['Place'].values[:, None])
new_race_1 = pd.concat((race_res['DriverID'], pd.DataFrame(arr, columns=race_res['DriverID'])), axis=1)

# Remove the first column - it has the DriverID in the pairwise matrix
new_race_1 = new_race_1.values[:, 1:]
new_race_1.shape

Вы можете видеть, что это выводит массив (166, 83) вместо (83, 83) array для race_num = 2.0. Для race_num = 1.0 это работает, но для всех других рас это не так. Может ли кто-нибудь объяснить, как исправить калькуляцию, то есть вывести матрицу 83 * 83 для каждого действительного race_num? Я думаю, что это nan значения, но не знаете, как это исправить?