以列-行对为键，以矩阵中的对应值为值创建对称矩阵字典的有效方法

Kyra 发表于 Dev

凯拉

我想以 (row, column): value 的形式创建一个字典，来自对称矩阵（如距离矩阵），如下所示，不考虑 NaN 值或零（零是对角线）。该矩阵是一个熊猫数据框。

Material  100051    100120    100138    100179    100253    100265    100281                                                                         
100051       0.0  0.953488  0.959302  0.953488  0.959302  0.953488  0.953488   
100120       NaN  0.000000  0.965116  0.953488  0.959302  0.959302  0.959302   
100138       NaN       NaN  0.000000  0.959302  0.970930  0.970930  0.970930   
100179       NaN       NaN       NaN  0.000000  0.959302  0.953488  0.953488   
100253       NaN       NaN       NaN       NaN  0.000000  0.976744  0.976744   
...          ...       ...       ...       ...       ...       ...       ...

所以一个看起来像的字典：

{((100120, 100051): 0.953488); ((1000138, 100051): 0.959302); ....}

要创建字典，您可能可以遍历行和列，例如：

jacsim_values = {}
for i in jacsim_matrix2:
    for j in jacsim_matrix2:
        if jacsim_matrix[i][j] != 0:
            jacsim_values[i,j] = jacsim_matrix2[i][j]

但我正在寻找更有效的东西。对于矩阵的大小，这需要相当长的时间。但是，我找不到如何执行此操作。有人可以帮我吗？

安塞夫

IIUC，或+DataFrame.stack (row, column)DataFrame.unstack (column, row)DataFrame.to_dict

df.set_index('Material').rename(int, axis=1).unstack().to_dict()

{(100051, 100051): 0.0,
 (100051, 100120): nan,
 (100051, 100138): nan,
 (100051, 100179): nan,
 (100051, 100253): nan,
 (100120, 100051): 0.9534879999999999,
 (100120, 100120): 0.0,
 (100120, 100138): nan,
 (100120, 100179): nan,
 (100120, 100253): nan,
 (100138, 100051): 0.9593020000000001,
 (100138, 100120): 0.965116,
 (100138, 100138): 0.0,
 (100138, 100179): nan,
 (100138, 100253): nan,
 (100179, 100051): 0.9534879999999999,
 (100179, 100120): 0.9534879999999999,
 (100179, 100138): 0.9593020000000001,
 (100179, 100179): 0.0,
 (100179, 100253): nan,
 (100253, 100051): 0.9593020000000001,
 (100253, 100120): 0.9593020000000001,
 (100253, 100138): 0.97093,
 (100253, 100179): 0.9593020000000001,
 (100253, 100253): 0.0,
 (100265, 100051): 0.9534879999999999,
 (100265, 100120): 0.9593020000000001,
 (100265, 100138): 0.97093,
 (100265, 100179): 0.9534879999999999,
 (100265, 100253): 0.9767440000000001,
 (100281, 100051): 0.9534879999999999,
 (100281, 100120): 0.9593020000000001,
 (100281, 100138): 0.97093,
 (100281, 100179): 0.9534879999999999,
 (100281, 100253): 0.9767440000000001}

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。