如何将矩阵转换为具有唯一值的透视形式？numpy代码未达预期

原始数据 #

目标透视表 #

（注：你提供的目标透视表存在数据错误，比如U2的I2对应4、U3的I3对应6均不符合原始数据，以下代码基于原始数据生成正确的透视表）

你的代码问题 #

你当前的Numpy代码有三个关键问题：

• 混合类型数组导致data整体为字符串 dtype，无法使用数值类型的缺失值nan
• 用np.zeros初始化表会填充"0"字符串，不是需要的NA
• 未区分标签和数值类型，导致后续赋值逻辑混乱

修正后的代码 #

import numpy as np

# 拆分数据，分离字符串标签和数值销量
users = np.array(["U1", "U1", "U3", "U2"])
items = np.array(["I1", "I2", "I1", "I3"])
sales = np.array([3, 4, 5, 6], dtype=np.float64)  # 浮点类型才能支持nan缺失值

# 获取唯一行/列标签，同时记录每个原始数据的位置索引
rows, row_pos = np.unique(users, return_inverse=True)
cols, col_pos = np.unique(items, return_inverse=True)

# 初始化透视表，用nan填充所有缺失位置
pivot_table = np.full((len(rows), len(cols)), np.nan)
# 填充对应位置的销量数据
pivot_table[row_pos, col_pos] = sales

# 输出结果
print("行标签（用户）:", rows)
print("列标签（物品）:", cols)
print("透视表（nan表示缺失）:")
print(pivot_table)

补充：转成字符串格式的NA #

如果需要把nan显示为字符串"NA"，可以添加以下代码：

# 将nan替换为"NA"，其他数值转为字符串
pivot_table_str = np.where(np.isnan(pivot_table), "NA", pivot_table.astype(str))
print("\n字符串格式透视表:")
print(pivot_table_str)

可选：保留原始标签顺序 #

np.unique会自动对标签排序，如果想保留用户/物品第一次出现的原始顺序，替换行/列标签的获取逻辑：

# 保留用户原始顺序的唯一值
rows = np.array(list(dict.fromkeys(users)))
row_pos = np.array([np.argwhere(rows == u)[0][0] for u in users])

# 保留物品原始顺序的唯一值
cols = np.array(list(dict.fromkeys(items)))
col_pos = np.array([np.argwhere(cols == i)[0][0] for i in items])

内容的提问来源于stack exchange，提问作者Navneet