在Pandas中将字典转换为对称/距离矩阵的最有效方法

Question

我正在为具有奇怪距离度量的东西做成对距离.我有一本字典{(key_A, key_B):distance_value},我希望pd.DataFrame像对称矩阵一样对称.

最有效的方法是什么？我发现了一种方法,但它似乎不是最好的方法.是否有什么NumPy或Pandas做这个类型的操作？还是只是一个更快的方式？我的方式是1.46 ms per loop

np.random.seed(0)
D_pair_value = dict()
for pair in itertools.combinations(list("ABCD"),2):
    D_pair_value[pair] = np.random.randint(0,5)
D_pair_value
# {('A', 'B'): 4,
#  ('A', 'C'): 0,
#  ('A', 'D'): 3,
#  ('B', 'C'): 3,
#  ('B', 'D'): 3,
#  ('C', 'D'): 1}
D_nested_dict = defaultdict(dict)
for (p,q), value in D_pair_value.items():
    D_nested_dict[p][q] = value
    D_nested_dict[q][p] = value

# Fill diagonal with zeros
DF = pd.DataFrame(D_nested_dict)
np.fill_diagonal(DF.values, 0)
DF

Answer 1

您可以使用scipy.spatial.distance.squareform,它将距离计算向量转换为[d(A,B), d(A,C), ..., d(C,D)]您正在寻找的距离矩阵.

方法1:列表中存储的距离

如果您按顺序计算距离,例如在示例代码和我的示例距离向量中,我将避免使用字典并将结果存储在列表中,并执行以下操作:

from scipy.spatial.distance import squareform

df = pd.DataFrame(squareform(dist_list), index=list('ABCD'), columns=list('ABCD'))

方法2:字典中存储的距离

如果你计算的是乱序并且需要字典,你只需要得到一个正确排序的距离向量:

from scipy.spatial.distance import squareform

dist_list = [dist[1] for dist in sorted(D_pair_value.items())]
df = pd.DataFrame(squareform(dist_list), index=list('ABCD'), columns=list('ABCD'))

方法3:排序字典中存储的距离

如果需要字典,请注意,有一个名为的软件包sortedcontainers,SortedDict它基本上可以解决您的排序问题.要使用它,你需要改变正在初始化D_pair_value作为SortedDict()代替dict.使用示例设置:

from scipy.spatial.distance import squareform
from sortedcontainers import SortedDict

np.random.seed(0)
D_pair_value = SortedDict()
for pair in itertools.combinations(list("ABCD"),2):
    D_pair_value[pair] = np.random.randint(0,5)

df = pd.DataFrame(squareform(D_pair_value.values()), index=list('ABCD'), columns=list('ABCD'))

上述任何方法的结果输出:

     A    B    C    D
A  0.0  4.0  0.0  3.0
B  4.0  0.0  3.0  3.0
C  0.0  3.0  0.0  1.0
D  3.0  3.0  1.0  0.0