如何在 pandas 数据框上制作矩形矩阵

Question

我有一个以下形式的矩阵（不一定是正方形）：

   A    B    C    D
A  0   0.2  0.3  0.5
E 0.2  0.6  0.9  0.2
D 0.5  0.3  0.6   0
F 0.1  0.4  0.5  0.3

我想把它变成一个方阵，如下所示

   A    B    C    D    E    F
A  0   0.2  0.3  0.5  0.2  0.1
B 0.2   0    0   0.3  0.6  0.4
C 0.3   0    0   0.6  0.9  0.5
D 0.5  0.3  0.6   0   0.2  0.3
E 0.2  0.6  0.9  0.2   0    0
F 0.1  0.4  0.5  0.3   0    0

换句话说，我想扩展行和列，使其成为对称方阵（行和列的顺序相同），并且缺失值用 0 填充。

我想应该有一种方法可以使用 pandas 的内置函数轻松/高效地完成此操作，但我不熟悉该包。

为了方便：

df = pd.DataFrame([[0, 0.2, 0.3, 0.5],
                   [0.2, 0.6, 0.9, 0.2],
                   [0.5, 0.3, 0.6, 0],
                   [0.1, 0.4, 0.5, 0.3]],
                   index=['A', 'E', 'D', 'F'],
                   columns=['A', 'B', 'C', 'D'])

Answer 1

正如您所认为的，您绝对可以在 Pandas 中非常简洁地完成此操作。

\n\n

一种方法是使用非常好的combine_first方法。

\n\n

result = df.combine_first(df.T).fillna(0.0)\n

\n\n

但是，在我使用timeit进行的测试中，每个循环的计时时间为 3.62 ms \xc2\xb1 29.2 \xc2\xb5s，这实际上比我为您的方法获得的时间稍慢（每个循环 3.5 ms \xc2\xb1 28.6 \xc2\xb5s）环形）。

\n\n

然而，通过使用更新方法在 Pandas 中更直接地计算这个值，我能够将其降低到 2.04 ms \xc2\xb1 17.2 \xc2\xb5s 每个循环 \xc2\xb5s 每个循环（大约快 1.7 倍）。

\n\n

# Find the combination of both indices\nfull_index = df.index.union(df.columns)\n# Resize the DataFrame to include all the rows and columns\nall_data = df.reindex(labels=full_index, axis=0).reindex(labels=full_index, axis=1)\n# Update any values we have from the transpose \nall_data.update(all_data.T)\n# Fill the missing entries\nresult = all_data.fillna(0.0)\n

\n\n

老实说，我无法获得像我想象的那样多的性能改进，但是两个基于 pandas 的版本至少对我来说更具可读性。

\n