如何使用scipy.sparse.coo_矩阵（（data，（I，j））从两个数据帧列构造关联矩阵？

Question

我有一个包含两列['a'，'B']的熊猫数据框架。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，则条目i，j=1（1应该是矩阵的最大值）

最重要的是，我想使用

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

从scipy.sparse开始，我试图理解这个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。我试过一些方法，但没有一种有效

---

编辑

示例代码

定义数据帧

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

我已经找到了最接近的解决方案

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]])

问题是这不是一个对称矩阵（因为它不会对给定行的i，j和j，i进行相加），我认为如果有重复行，它会给出大于1的值

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)))

这就是你所拥有的。它给你i，j>；=1如果[i，j]在df中

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]])

现在我，j>；=1如果[i，j]或[j，i]在df中

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

如果[i，j]或[j，i]在df中，那么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]])