能否用Pandas数据透视表生成列共现计数矩阵？

最优方案：矩阵乘法（无需透视表） #

这个需求本质是计算二进制特征矩阵的协现矩阵，直接用矩阵乘法是最高效的实现方式，代码简洁且性能远超嵌套循环：

# 提取特征列（排除"I"列）
features = df.drop("I", axis=1)
# 矩阵乘法：特征矩阵转置 × 原特征矩阵，直接得到两两列的同时为1的行数
cooccurrence = features.T.dot(features)

运行后得到的cooccurrence与目标result完全一致，数据量越大，该方法的效率优势越明显。

用透视表实现的思路（不推荐，效率偏低） #

如果一定要用透视表，需要先将数据转换为长格式，再通过透视统计两两组合的次数，步骤繁琐且效率远低于矩阵乘法：

# 转换为长格式：仅保留值为1的列记录
long_df = df.melt(id_vars="I", var_name="col", value_name="val")
long_df = long_df[long_df["val"] == 1].drop("val", axis=1)

# 合并自身，得到每行中所有为1的列的两两组合
merged = pd.merge(long_df, long_df, on="I", suffixes=("_x", "_y"))

# 透视统计组合出现的次数，填充空值为0
pivot_result = merged.pivot_table(index="col_x", columns="col_y", values="I", aggfunc="count", fill_value=0)

这种方法仅适合理解透视表的应用场景，实际生产中不建议使用。

内容的提问来源于stack exchange，提问作者mans