Buat matriks kovarians numpy dari DataFrame kovarians pandas

Saya memiliki objek pandas.DataFrame berikut yang menyediakan kovarian antar faktor:

import pandas as pd

df = pd.DataFrame({"factor1": ["A", "A", "A", "B", "B", "C"],
                   "factor2": ["A", "B", "C", "B", "C", "C"],
                   "covar": [-1.2, -1, 2, 3.4, -4, 6.2]})

Tujuan saya adalah memformat ulang DataFrame menjadi kovarians semi-pasti positif numpy.ndarray.

Saya telah mengembangkan solusi yang berfungsi, namun sangat lambat:

unique_factors = df.factor1.unique()
F = pd.DataFrame(columns=unique_factors, index=unique_factors)
for index, row in df.iterrows():
    F.loc[row["factor1"], row["factor2"]] = row["covar"]**2
    F.loc[row["factor2"], row["factor1"]] = row["covar"]**2 #inefficient
F = F.to_numpy()

Outputnya adalah:

[[1.44 1.0                4.0               ]
 [1.0  11.559999999999999 16.0              ]
 [4.0  16.0               38.440000000000005]]

Saya berharap dapat memanfaatkan metode asli numpy untuk mencapai tujuan saya dengan lebih efisien. Setidaknya saya ingin dapat menghilangkan garis yang diberi komentar #inefficient dan merefleksikan matriks segitiga atas terhadap diagonal. Bantuan apa pun akan sangat dihargai.


python pandas numpy matrix vectorization
person Clade    schedule 23.09.2019    source sumber

Jawaban (1)


arrow_upward
2
arrow_downward

Dalam kasus Anda

s=df.pivot(*df.columns)**2
s=s.fillna(s.T)

Out[230]: 
factor2     A      B      C
factor1                    
A        1.44   1.00   4.00
B        1.00  11.56  16.00
C        4.00  16.00  38.44
person BENY    schedule 23.09.2019
comment
Ini jauh lebih cepat⁠—terima kasih! Bolehkah saya bertanya apa fungsi tanda bintang sebelum df.columns? - person Clade; 23.09.2019
comment
@Clade yaitu mendapatkan nama kolom untuk dicantumkan dan meneruskan informasi tersebut ke pivot sebagai nilai kolom indeks - person BENY; 23.09.2019