如何将含虚拟变量的矩形矩阵转换为数值型方阵？

一、统计每个source关联的target数量 #

核心逻辑是对每行的target列求和，快速得到单个source关联的target总数：

Python（Pandas）实现 #

import pandas as pd

# 读取数据，支持csv、excel等格式，按需替换读取方法
df = pd.read_csv("your_data.csv")

# 筛选所有target开头的列，按行求和得到每个source的关联target数
df["关联target数量"] = df.filter(regex="^target").sum(axis=1)

# 按关联数降序排序，快速定位关联最多的source
top_sources = df.sort_values(by="关联target数量", ascending=False)

Excel实现 #

1. 在数据右侧新增一列，命名为「关联target数量」；
2. 对第一行source对应的target列求和，比如公式写=SUM(B2:D2)（假设target列在B到D列）；
3. 下拉填充公式到所有行，再对这一列降序排序，即可看到关联target最多的source。

二、生成共现方阵（同时满足两个target的source数量） #

本质是计算两两target的共现次数，即同时关联两个target的source总数：

Python（Pandas）实现 #

# 提取所有target列
target_df = df.filter(regex="^target")

# 转置后点乘原矩阵，得到的结果就是两两target同时为1的样本数
cooccur_matrix = target_df.T.dot(target_df)

# 调整格式，让左上角为空，和示例一致
cooccur_matrix.index.name = ""
cooccur_matrix.columns.name = ""

# 输出或保存矩阵
print(cooccur_matrix)
# cooccur_matrix.to_csv("共现矩阵.csv")

Excel实现 #

1. 在新区域构建方阵框架：把所有target名称分别作为行标题（如A6:A8）和列标题（如B5:D5）；
2. 填充单元格：
   • 对角线单元格（如B6，对应target1自身）：用=COUNTIF(B:B,1)，统计该target关联的总source数；
   • 非对角线单元格（如B7，对应target2和target1）：用=COUNTIFS(B:B,1,C:C,1)，统计同时关联两个target的source数；
3. 填充完所有单元格后，即可得到和示例一致的共现方阵。

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