用于将双模式矩阵数据转换为单模式的Python代码

Question

作为Python的新手，我想知道是否有任何方法可以使用Python代码将两种模式的矩阵数据转换为一种模式。

这是为社交网络分析创建数据，我正在寻找一种方法来使用Pandas和Python来创建这样的脚本。

如果我有像这样的两种模式数据，

     workshop1     workshop2     workshop3    workshop4

A 1 0 1 1

B 0 1 1 0

C 1 1 1 0

%d 0 0 0 1

我需要把它转换成像这样的模式矩阵。

           A        B        C          D

A 4 1 2 1

B 1 4 2 0

C 2 2 4 0

D 1 0 0 4

A、B、C、D是注册参加工作坊的人员姓名，"1“表示注册参加工作坊的具体人员。

单模矩阵数据表明他们应该在研讨会上见面的次数。例如，A和C预计将在研讨会1和workshop3相遇两次。

感谢您的任何建议或帮助提前！

Answer 1

NumPy解决方案：

根据this tutorial的说法，你可以简单地将矩阵与它的转置相乘。使用NumPy函数dot()和transpose() (或简称T)，您将得到以下代码：

import numpy as np

M = np.array([
    [1,0,1,1],
    [0,1,1,0],
    [1,1,1,0],
    [0,0,0,1]])

print M.dot(M.T)

输出：

[[3 1 2 1]
 [1 2 2 0]
 [2 2 3 0]
 [1 0 0 1]]

只是对角线不是你要求的4。相反，它们包含了一个人参加的研讨会的数量。你可以很容易地用np.fill_diagonal(A, 4)来解决这个问题，A是单模矩阵。

No-NumPy解决方案：

如果您不想使用NumPy，您可以将standard matrix multiplication调整为"R =M*M^T“的特殊情况：

m = len(M)
n = len(M[0])
R = [[0 for i in range(m)] for j in range(m)]
for i in range(m):
    for j in range(m):
        for k in range(n):
            R[i][j] += M[i][k] * M[j][k]

或具有3个索引i、j和k的对应一行程序

R = [[sum(M[i][k] * M[j][k] for k in range(len(M[0]))) for i in range(len(M))] for j in range(len(M))]

或者直接迭代M的行

R = [[sum(a * b for a, b in zip(A, B)) for B in M] for A in M]