Question

我的配对数据如下：

我想计算唯一对并将这些频率计数存储在这样的矩阵中：

     10   20   30
1 |   0    2    0
3 |   1    0    0
4 |   0    0    1

或者，如果知道ID在{1,2,10,4}中取值{1,2,3,4}，而{0,10,20,30}中的ATTR，那么我想要一个矩阵：

     0   10   20   30
1 |  0    0    2    0
2 |  0    0    0    0
3 |  0    1    0    0
4 |  0    0    0    1

问题：在Python或NumPy中使用它们的最快方法是什么？

我尝试过使用Pandas，但我得到一个空的DataFrame：

import numpy as np
import pandas as pd
x = pd.DataFrame([[3, 10], [1, 20], [1, 20], [4, 30]])
x.pivot_table(index = 0, columns = 1, fill_value = 0, aggfunc = 'sum')

Answer 1

看起来您想要执行交叉制表，然后进行重建索引操作。对于交叉制表，有许多方法可以给猫皮肤。

首先，使用pivot_table -

v = x.pivot_table(
      index=0, 
      columns=1, 
      values=1, 
      aggfunc='size', 
      fill_value=0
)

或者，pd.crosstab -

v = pd.crosstab(x[0], x[1])

或者，set_index + get_dummies + sum(level=0)

v = pd.get_dummies(x.set_index(0)[1]).sum(level=0)

或者，get_dummies + dot -

v = pd.get_dummies(x[0]).T.dot(pd.get_dummies(x[1]))

v

   10  20  30
1   0   2   0
3   1   0   0
4   0   0   1

接下来，在reindex -

上致电v

v.reindex(index=range(1, 5), columns=range(0, 40, 10), fill_value=0)

1  0   10  20  30
0                
1   0   0   2   0
2   0   0   0   0
3   0   1   0   0
4   0   0   0   1

Answer 2

您可以使用类别

df.ID=df.ID.astype('category',categories=[1,2,3,4])
df.ATTR=df.ATTR.astype('category',categories=[0,10,20,30])

pd.crosstab(df.ID,df.ATTR)
Out[1143]: 
ATTR  0   10  20  30
ID                  
1      0   0   2   0
2      0   0   0   0
3      0   1   0   0
4      0   0   0   1

计算矩阵中的唯一对和存储计数

2 个答案: