如何用Pandas基于双列条件从另一DataFrame填充空n×n矩阵

需求回顾 #

基于现有DataFrame生成n×n矩阵，以排序后的state_county_fip作为行、列名，仅填入原数据中geoid_o和geoid_d均属于目标ID列表的pop_flows值，其余位置填0。

完整实现步骤及代码 #

1. 导入依赖并定义原始数据

import pandas as pd

# 原始人口流动数据
test_mob_df = pd.DataFrame(
    {"geoid_o": [10002, 18039, 18039, 18182, 10006, 18111, 18005, 17001],
     "geoid_d": [10005, 18039, 18111, 18182, 18005, 17004, 18050, 15001],
     "pop_flows": [20,10,9,15,2,1,6,30]}
)
# 目标区域ID列表
state_county_fip = [18182, 18111, 18005, 18039, 18050, 18001]

2. 筛选符合条件的流动记录
   直接判断双向ID是否同时属于目标列表，比范围查询更精准：

# 转集合提升查询效率
target_ids = set(state_county_fip)
# 筛选出双向ID都在目标列表中的记录
filtered_flows = test_mob_df[
    test_mob_df['geoid_o'].isin(target_ids) & 
    test_mob_df['geoid_d'].isin(target_ids)
]

3. 创建排序后的空矩阵
   先对目标ID排序，再初始化全0结构：

# 对目标ID排序
sorted_ids = sorted(state_county_fip)
# 生成全0的n×n矩阵，行、列均为排序后的ID
flow_matrix = pd.DataFrame(0, index=sorted_ids, columns=sorted_ids)

4. 填充矩阵数据
   将筛选到的流动值填入对应位置：

for _, row in filtered_flows.iterrows():
    origin = row['geoid_o']
    dest = row['geoid_d']
    flow_matrix.at[origin, dest] = row['pop_flows']

5. 查看最终结果
   运行print(flow_matrix)即可得到需求中的矩阵：

18001  18005  18039  18050  18111  18182
18001       0      0      0      0      0      0
18005       0      0      0      6      0      0
18039       0      0     10      0      9      0
18050       0      0      0      0      0      0
18111       0      0      0      0      0      0
18182       0      0      0      0      0     15

补充说明 #

• 用集合存储目标ID，isin查询效率远高于列表，数据量大时优势明显
• at方法适合单个位置赋值，比loc操作更高效
• 排序后的ID保证矩阵行、列顺序统一，符合规范要求

内容的提问来源于stack exchange，提问作者AkunwexOrwa