scipy pdist（）熊猫DataFrame

Question

我有一个大的数据框（例如15k对象），其中每行是一个对象，列是数字对象功能。它的形式是：

df = pd.DataFrame({ 'A' : [0, 0, 1], 
        'B' : [2, 3, 4], 
        'C' : [5, 0, 1], 
        'D' : [1, 1, 0]}, 
        columns= ['A','B', 'C', 'D'], index=['first', 'second', 'third']) 

我要计算所有对象（行）的成对距离和读取scipy's pdist()函数是一个很好的解决方案，由于其计算效率。我可以简单地叫：

res = pdist(df, 'cityblock') 
res 
>> array([ 6., 8., 4.]) 

而且看到res数组包含以下顺序的距离：[first-second, first-third, second-third]。

我的问题是我怎么能得到这个矩阵，数据框或（不太希望）字典格式，所以我确切地知道每个距离值属于哪一对来，象下面这样：

 first second third 
first 0  -  - 
second 6  0  - 
third 8  4  0 

最后，我想将distance matrix作为一个熊猫DataFrame可能很方便，因为我可以对每行应用一些排名和排序操作（例如，找到对象最靠前的N个对象first）。

Answer 1

哦，我找到了这个webpage的答案。显然，对于名为squareform()的专用功能。暂时不要删除我的问题，以免它可能对其他人有帮助。

from scipy.spatial.distance import squareform 
res = pdist(df, 'cityblock') 
squareform(res) 
pd.DataFrame(squareform(res), index=df.index, columns= df.index) 
>>  first second third 
>>first  0  6  8 
>>second  6  0  4 
>>third  8  4  0