Python中如何将含两列ID的长格式DataFrame转为距离矩阵

你需要实现的是典型的长格式数据透视为宽格式矩阵的操作，用pandas原生方法即可快速完成，具体步骤如下：

• 导入依赖并构造原始样例数据（若已有现成DataFrame可跳过该步）

import pandas as pd

# 完全匹配你给出的原始数据结构
df = pd.DataFrame({
    'id1': ['c1','c1','c1','c1','c2','c2','c2','c2','c3','c3','c3','c3','c4','c4','c4','c4'],
    'id2': ['c1','c2','c3','c4','c1','c2','c3','c4','c1','c2','c3','c4','c1','c2','c3','c4'],
    'dist': [0,1,5,7,8,0,5,6,3,2,0,4,6,5,4,0]
})

• 核心转换代码：直接调用pivot方法，指定行索引、列名、单元格填充值对应的列即可

dist_matrix = df.pivot(index='id1', columns='id2', values='dist')

执行后得到的dist_matrix完全匹配你给出的目标结构：

特殊场景适配 #

• 如果原始数据中存在重复的id1+id2组合（即同一对标识对应多条dist记录），直接用pivot会触发报错，此时可替换为pivot_table方法，指定聚合规则即可，例如取同组距离的平均值：

dist_matrix = df.pivot_table(
    index='id1',
    columns='id2',
    values='dist',
    aggfunc='mean' # 可根据需求替换为sum、min、max等其他聚合函数
)

• 如果需要把行索引id1转为普通列，和你给出的目标样例第一列的index完全对齐，可以追加一行代码：

dist_matrix = dist_matrix.reset_index(names='index')

内容的提问来源于stack exchange，提问作者alireza