将成对距离的长格式数据帧转换为python中的距离矩阵

Question

我有一个成对距离的 pandas 数据框，其形式为：

    SampleA   SampleB  Num_Differences
0  sample_1  sample_2                1
1  sample_1  sample_3                4
2  sample_2  sample_3                8

请注意，没有自我比较（例如，不会表示sample_1 与sample_1）。我想将此表转换为方形距离矩阵，如下所示：

            sample_1      sample_2  sample_3
sample_1                       1              4
sample_2         1                            8
sample_3         4             8    

任何人都可以给我一些关于如何在 python 中进行此类转换的指示吗？该问题类似于 R 中的上一个问题（将成对距离转换为 R 中的距离矩阵），但我不知道要使用相应的 python 函数。这个问题似乎也与这个问题相反（Convert a distance matrix to a list ofpairwise distances in Python）。

以我正在使用的形式重现数据框的一些代码：

    SampleA   SampleB  Num_Differences
0  sample_1  sample_2                1
1  sample_1  sample_3                4
2  sample_2  sample_3                8

Answer 1

您可以将形状重塑为正方形，然后通过添加转置值来使其对称：

# make unique, sorted, common index
idx = sorted(set(df['SampleA']).union(df['SampleB']))

# reshape
(df.pivot(index='SampleA', columns='SampleB', values='Num_Differences')
   .reindex(index=idx, columns=idx)
   .fillna(0, downcast='infer')
   .pipe(lambda x: x+x.values.T)
 )

或者，您可以使用有序分类索引并在使用 重塑期间保留 NA pivot_table。然后添加转置后的值以使其对称：

cat = sorted(set(df['SampleA']).union(df['SampleB']))

(df.assign(SampleA=pd.Categorical(df['SampleA'],
                                  categories=cat,
                                  ordered=True),
           SampleB=pd.Categorical(df['SampleB'],
                                  categories=cat,
                                  ordered=True),
           )
    .pivot_table(index='SampleA',
                 columns='SampleB',
                 values='Num_Differences',
                 dropna=False, fill_value=0)
    .pipe(lambda x: x+x.values.T)
)

输出：

SampleB   sample_1  sample_2  sample_3
SampleA                               
sample_1         0         1         4
sample_2         1         0         8
sample_3         4         8         0