Python中如何根据索引与对应值生成指定结构的矩阵

可以生成目标矩阵，你用pd.crosstab无法得到预期结果的核心原因是方法选错了：pd.crosstab的作用是统计两个分类变量的交叉频数，本身不支持做布尔值的外积逻辑运算。

你要的矩阵本质是布尔逻辑与外积矩阵：矩阵中坐标为(i,j)的单元格取值，等于原数据中索引i对应的Value值和索引j对应的Value值做逻辑与运算的结果——只要两个值有一个为False，对应单元格就是False，两个都为True时单元格才是True，和你给出的目标结构完全匹配。

具体实现代码 #

首先构造你的原始测试数据：

import pandas as pd
import numpy as np

# 原始数据集
raw_df = pd.DataFrame({
    'Value': [True, True, False, True]
}, index=[0,1,2,3])

方法1：numpy广播运算（性能最优，推荐） #

直接利用numpy的广播机制，把一维布尔数组分别转为列向量、行向量做逻辑与运算，一步得到n*n矩阵：

val_arr = raw_df['Value'].to_numpy()
# 列向量(n,1) 与 行向量(1,n) 做按位与，广播后直接得到n*n结果矩阵
res_matrix = val_arr[:, np.newaxis] & val_arr[np.newaxis, :]
# 转为DataFrame，行列索引复用原数据的index
res_df = pd.DataFrame(res_matrix, index=raw_df.index, columns=raw_df.index)

运行后打印res_df得到的输出完全匹配你的目标结构：

0      1      2      3
0   True   True  False   True
1   True   True  False   True
2  False  False  False  False
3   True   True  False   True

方法2：pandas矩阵乘法实现 #

利用True=1、False=0的数值对应规则，做整数矩阵乘法后再转回布尔类型，结果和方法1完全一致：

res_df2 = pd.DataFrame(
    raw_df[['Value']].astype(int).dot(raw_df[['Value']].T.astype(int)).astype(bool),
    index=raw_df.index,
    columns=raw_df.index
)

内容的提问来源于stack exchange，提问作者Noob Coder