如何从多列时序状态数据框构建有向邻接矩阵（R/Python）

核心规则说明 #

• 输入为多列结构数据框，单列对应时序维度上的一组状态集合，测试样例为3行8列结构，全量唯一状态值包含1、2、3、5、22、23共6个
• 邻接矩阵构建逻辑：逐一遍历所有相邻列对，前一列中的每个元素，均建立指向后一列所有行对应元素的有向边，累计统计每条有向边的出现次数
• 输出为N×N维度邻接矩阵，N等于数据集内所有唯一状态值的总数量
• 方案适配数百列规模的实际数据处理，同时提供Python、R两种实现代码

Python实现 #

依赖pandas、numpy两个常用数据处理库，直接替换代码中测试数据部分为你的实际数据即可运行：

import pandas as pd
import numpy as np

# 替换为实际数据
test_data = [
    [1, 2, 3, 5, 22, 23, 1, 2],
    [2, 3, 5, 22, 23, 1, 2, 3],
    [3, 5, 22, 23, 1, 2, 3, 5]
]
df = pd.DataFrame(test_data)

# 提取全量唯一状态，建立值到矩阵索引的映射
all_states = sorted(pd.unique(df.values.ravel()))
state_idx = {val:i for i, val in enumerate(all_states)}
N = len(all_states)

# 初始化零矩阵
adj_mat = np.zeros((N, N), dtype=np.int32)

# 遍历相邻列对累计边计数
for col in range(df.shape[1]-1):
    front_vals = df.iloc[:, col].values
    next_vals = df.iloc[:, col+1].values
    for f in front_vals:
        for t in next_vals:
            adj_mat[state_idx[f], state_idx[t]] += 1

# 转换为带状态标签的矩阵输出
adj_result = pd.DataFrame(adj_mat, index=all_states, columns=all_states)
print(adj_result)

R语言实现 #

基于R基础语法实现，无需额外安装第三方包：

# 替换为实际数据
test_data <- matrix(c(
  1, 2, 3, 5, 22, 23, 1, 2,
  2, 3, 5, 22, 23, 1, 2, 3,
  3, 5, 22, 23, 1, 2, 3, 5
), nrow = 3, byrow = TRUE)
df <- as.data.frame(test_data)

# 提取全量唯一状态
all_states <- sort(unique(unlist(df)))
N <- length(all_states)

# 初始化零矩阵
adj_mat <- matrix(
  0, nrow = N, ncol = N,
  dimnames = list(all_states, all_states)
)

# 遍历相邻列对累计边计数
for (col in 1:(ncol(df)-1)) {
  front_vals <- df[[col]]
  next_vals <- df[[col+1]]
  for (f in front_vals) {
    for (t in next_vals) {
      adj_mat[as.character(f), as.character(t)] <- adj_mat[as.character(f), as.character(t)] + 1
    }
  }
}

print(adj_mat)

说明：上述代码在数百列规模下运行无性能压力，如果后续需要处理千列以上更大规模数据，可以将内层双层循环替换为向量化的交叉表统计逻辑，进一步提升运行速度。

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