Вычислить матрицу совместного использования путем подсчета значений в ячейках

Question

У меня есть такой фрейм данных

df = pd.DataFrame({'a' : [1,1,0,0], 'b': [0,1,1,0], 'c': [0,0,1,1]})

Я хочу получить

  a b c
a 2 1 0
b 1 2 1
c 0 1 2

где a, b, c - имена столбцов, и я получаю значения, считающие «1» во всех столбцах, когда фильтр равен «1» в другом столбце. Например, когда df.a == 1, мы считаем a = 2, b = 1, c = 0 и т. Д.

Я сделал цикл, чтобы решить

matrix = []
for name, values in df.iteritems():
    matrix.append(pd.DataFrame( df.groupby(name, as_index=False).apply(lambda x: x[x == 1].count())).values.tolist()[1])
pd.DataFrame(matrix)

Но я думаю, что есть более простое решение, не так ли?

Answer 1

Вы можете выполнить умножение, используя оператор @ для числовых массивов.

df = pd.DataFrame(df.values.T @ df.values, df.columns, df.columns)

Answer 2

np.einsum

Не так красиво, как df.T.dot(df), но как часто вы видите np.einsum амирит?

pd.DataFrame(np.einsum('ij,ik->jk', df, df), df.columns, df.columns)

   a  b  c
a  2  1  0
b  1  2  1
c  0  1  2

Answer 3

Numpy matmul

np.matmul(df.values.T,df.values)
Out[87]: 
array([[2, 1, 0],
       [1, 2, 1],
       [0, 1, 2]], dtype=int64)

#pd.DataFrame(np.matmul(df.values.T,df.values), df.columns, df.columns)

Answer 4

Похоже, вам нужен матричный продукт, поэтому используйте DataFrame.dot:

df.T.dot(df)
   a  b  c
a  2  1  0
b  1  2  1
c  0  1  2

---

В качестве альтернативы, если вам нужен тот же уровень производительности без накладных расходов панд, вы можете вычислить продуктс np.dot:

v = df.values
pd.DataFrame(v.T.dot(v), index=df.columns, columns=df.columns)

Или, если вы хотите стать милым,

(lambda a, c: pd.DataFrame(a.T.dot(a), c, c))(df.values, df.columns)

   a  b  c
a  2  1  0
b  1  2  1
c  0  1  2

- piRSquared