从熊猫数据框创建对称矩阵

Question

我想创建一个如this的图。

以我为例，我需要一个对称20x20矩阵，其中入境(i,j)应该从数据文件中的ns柱为具有格式（只是一张）采取：

areas ns i j 
0.500000 1.00 10 10 
0.513611 0.80 10 11 
0.582778 0.12 10 12 
0.725278 0.00 10 13 
0.528472 0.59 10 14 
0.655000 0.00 10 15 
0.616667 0.03 10 16 
0.751806 0.00 10 17 
0.519722 0.71 10 18 
0.917045 0.00 10 19 
0.849583 0.00 10 20 
0.804333 0.00 1 10 
0.500000 1.00 11 11 
0.599861 0.06 11 12 
0.611389 0.03 11 13 
0.525417 0.64 11 14 
0.533889 0.52 11 15 
0.590833 0.09 11 16 
0.609722 0.04 11 17 
0.573472 0.17 11 18 
0.802652 0.00 11 19 
0.764000 0.00 1 11 
0.677083 0.00 11 20 
0.730667 0.00 1 12 
0.879667 0.00 1 13 
0.778667 0.00 1 14 
0.858333 0.00 1 15 
0.726333 0.00 1 16 
0.884000 0.00 1 17 
0.772667 0.00 1 18 
0.959545 0.00 1 19 
0.500000 1.00 1 1 
0.919667 0.00 1 20 
0.500000 1.00 12 12 
0.769444 0.00 12 13 
0.606667 0.04 12 14 
0.688611 0.00 12 15 
0.509444 0.86 12 16 
0.789722 0.00 12 17 
0.604722 0.05 12 18 
0.934091 0.00 12 19 
0.874583 0.00 12 20 
0.614231 0.11 1 2 
0.500000 1.00 13 13 
0.664028 0.00 13 14 
0.627500 0.02 13 15 
0.803194 0.00 13 16 
0.517500 0.74 13 17 
0.515278 0.78 13 18 
0.781439 0.00 13 19 
0.634861 0.01 13 20 
0.567667 0.34 1 3 
0.500000 1.00 14 14 
0.559583 0.26 14 15 
0.616111 0.03 14 16 
0.669306 0.00 14 17 
0.569583 0.19 14 18 
0.874242 0.00 14 19 
0.772083 0.00 14 20 
0.580000 0.25 1 4 
0.500000 1.00 15 15 
0.735139 0.00 15 16 
0.656944 0.00 15 17 
0.502083 0.97 15 18 
0.890341 0.00 15 19 
0.791944 0.00 15 20 
0.787222 0.00 1 5 
0.500000 1.00 16 16 
0.821250 0.00 16 17 
0.580278 0.13 16 18 
0.950568 0.00 16 19 
0.908750 0.00 16 20 
0.510333 0.88 1 6 
0.500000 1.00 17 17 
0.502500 0.96 17 18 
0.795644 0.00 17 19 
0.625556 0.02 17 20 
0.797333 0.00 1 7 
0.500000 1.00 18 18 
0.617235 0.04 18 19 
0.516250 0.76 18 20 
0.732000 0.00 1 8 
0.500000 1.00 19 19 
0.720265 0.00 19 20 
0.851228 0.00 1 9 
0.500000 1.00 20 20 
0.797917 0.00 2 10 
0.709455 0.00 2 11 
0.675641 0.00 2 12 
0.876282 0.00 2 13 
0.741667 0.00 2 14 
0.851442 0.00 2 15 
0.710256 0.00 2 16 
0.880128 0.00 2 17 
0.694872 0.00 2 18 
0.949519 0.00 2 19 
0.912500 0.00 2 20 
0.500000 1.00 2 2 
0.867308 0.00 2 3 
0.891667 0.00 2 4 
0.763889 0.00 2 5 
0.694872 0.00 2 6 
0.785256 0.00 2 7 
0.729647 0.00 2 8 
0.844298 0.00 2 9 
0.991250 0.00 3 10 
0.943194 0.00 3 11 
0.930972 0.00 3 12 
0.999167 0.00 3 13 
0.963472 0.00 3 14 
0.999722 0.00 3 15 
0.964167 0.00 3 16 
0.998333 0.00 3 17 
0.921944 0.00 3 18 
1.000000 0.00 3 19 
1.000000 0.00 3 20 
0.500000 1.00 3 3 
0.572222 0.18 3 4 
0.975463 0.00 3 5 
0.752639 0.00 3 6 
0.985278 0.00 3 7 
0.978889 0.00 3 8 
0.991520 0.00 3 9 
0.979444 0.00 4 10 
0.948611 0.00 4 11 
0.938056 0.00 4 12 
0.992917 0.00 4 13 
0.964583 0.00 4 14 
0.991250 0.00 4 15 
0.963472 0.00 4 16 
0.994444 0.00 4 17 
0.935139 0.00 4 18 
1.000000 0.00 4 19 
0.998333 0.00 4 20 
0.500000 1.00 4 4 
0.968056 0.00 4 5 
0.806389 0.00 4 6 
0.975278 0.00 4 7 
0.965972 0.00 4 8 
0.984942 0.00 4 9 
0.522685 0.72 5 10 
0.503241 0.96 5 11 
0.576389 0.21 5 12 
0.679861 0.00 5 13 
0.509259 0.89 5 14 
0.632176 0.03 5 15 
0.594907 0.13 5 16 
0.698148 0.00 5 17 
0.502315 0.97 5 18 
0.823232 0.00 5 19 
0.767824 0.00 5 20 
0.500000 1.00 5 5 
0.921991 0.00 5 6 
0.514815 0.80 5 7 
0.615741 0.06 5 8 
0.624513 0.04 5 9 
0.954444 0.00 6 10 
0.844583 0.00 6 11 
0.834722 0.00 6 12 
0.979306 0.00 6 13 
0.889444 0.00 6 14 
0.977222 0.00 6 15 
0.895972 0.00 6 16 
0.980000 0.00 6 17 
0.813194 0.00 6 18 
0.992045 0.00 6 19 
0.984028 0.00 6 20 
0.500000 1.00 6 6 
0.940556 0.00 6 7 
0.920139 0.00 6 8 
0.960088 0.00 6 9 
0.501389 0.98 7 10 
0.529028 0.59 7 11 
0.584028 0.11 7 12 
0.723611 0.00 7 13 
0.533750 0.52 7 14 
0.648472 0.01 7 15 
0.617222 0.03 7 16 
0.755694 0.00 7 17 
0.535139 0.52 7 18 
0.929735 0.00 7 19 
0.864861 0.00 7 20 
0.500000 1.00 7 7 
0.665278 0.00 7 8 
0.656287 0.00 7 9 
0.660694 0.00 8 10 
0.586944 0.11 8 11 
0.531667 0.55 8 12 
0.838889 0.00 8 13 
0.630000 0.01 8 14 
0.803056 0.00 8 15 
0.509028 0.87 8 16 
0.861944 0.00 8 17 
0.569722 0.19 8 18 
0.969697 0.00 8 19 
0.935833 0.00 8 20 
0.500000 1.00 8 8 
0.761696 0.00 8 9 
0.652485 0.00 9 10 
0.590936 0.09 9 11 
0.718567 0.00 9 12 
0.539766 0.46 9 13 
0.629532 0.01 9 14 
0.560819 0.27 9 15 
0.747953 0.00 9 16 
0.548099 0.37 9 17 
0.519006 0.72 9 18 
0.770734 0.00 9 19 
0.646345 0.01 9 20 
0.500000 1.00 9 9 

这是我的尝试到目前为止：

import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt 

data_file = 'areas-ns.txt' 
df = pd.read_csv(data_file, delim_whitespace=True,header=0) 
df = df.sort_values(by=['i','j','ns','areas'], ascending=[True,True,True,True]) 
areas = np.array(df)[:,0] 
ns = np.array(df)[:,1] 
grupo1 = np.array(df)[:,2] 
grupo2 = np.array(df)[:,3] 

def make_sym_matrix(n): 
    m = np.zeros([n,n], dtype=np.double) 
    for i in range(n): 
    for j in range(i,n): 
     m[i,j]= ns[20*i+j] # here is the problem 
     m[j,i]=m[i,j] 
    return m 

print ns 
print make_sym_matrix(20) 

Answer 1

可能是一个更好的办法，但我想这样的作品使用unstack()伎俩。如果你使你的示例数据更小，这将是有帮助的。

通过设置两列索引，然后拆垛它们中的一个，我们基本上将数据转换成正方形形状：

arr = df.set_index(['i','j'])['ns'].unstack().values 

print(arr[:4,:4]) 

[[ 1. 0.11 0.34 0.25] 
[ nan 1. 0. 0. ] 
[ nan nan 1. 0.18] 
[ nan nan nan 1. ]] 

正如你可以看到上面，这是一个上三角矩阵，我们可以很容易地制作成对称矩阵使用得心应手numpy的功能triu与转置（T）沿：

arr2 = np.triu(arr) + np.triu(arr,1).T 

print(arr2[:4,:4]) 

[[ 1. 0.11 0.34 0.25] 
[ 0.11 1. 0. 0. ] 
[ 0.34 0. 1. 0.18] 
[ 0.25 0. 0.18 1. ]]