将数据帧列转换为计数器矩阵

Question

我有一个这样的数据框。发票转换为一个表，其中每行都有一个产品。该表由数百万行组成 -

发票	产品
INVC1	xx
INVC1	yy
INVC1	Z Z
INVC1	啊
INVC2	xx
INVC2	啊
INVC2	BB
INVC2	抄送

现在我想创建一个如下所示的表格，在其中我可以看到每种产品与其他产品一起购买的次数 -

	xx	yy	Z Z	啊	BB	抄送
xx	0	1	1	2	1	1
yy	1	0	1	1	0	0
Z Z	1	1	0	1	0	0
啊	2	1	1	0	1	1
BB	1	0	0	1	0	1
抄送	1	0	0	1	1	0

有没有 numpy/pandas 方法来创建这样的表？或者，有没有任何优化的方法来做到这一点。

Answer 1

pd.crosstab那么我们就用dot

s = pd.crosstab(df['invoice'],df['products'])
out = s.T.dot(s)
Out[196]: 
products  aa  bb  cc  xx  yy  zz
products                        
aa         2   1   1   2   1   1
bb         1   1   1   1   0   0
cc         1   1   1   1   0   0
xx         2   1   1   2   1   1
yy         1   0   0   1   1   1
zz         1   0   0   1   1   1