如何使用pandas将DataFrame两列数据构建为相似度矩阵？

• 前置依赖安装
  执行以下命令安装需要的第三方库：
  pip install pandas seaborn matplotlib numpy
• 数据预处理
  原始数据如果是长表结构（每行存储两个实体及对应的相似度值），需要先透视为矩阵结构，行、列分别对应两组实体，单元格填充对应相似度数值：

  import pandas as pd
  import numpy as np
  import seaborn as sns
  import matplotlib.pyplot as plt
  
  # 读取本地存储的matrix.csv文件
  df = pd.read_csv("matrix.csv")
  # 透视生成宽表矩阵，把代码里的col1、col2、similarity替换成你数据集里的实际列名
  # col1/col2是你要作为矩阵行、列的两列字段名，similarity是相似度值字段名
  sim_matrix = df.pivot(index="col1", columns="col2", values="similarity")
  # 若为对称相似度矩阵（A与B的相似度=B与A的相似度），执行以下补全逻辑
  sim_matrix = sim_matrix.combine_first(sim_matrix.T)
  # 补全对角线值：实体与自身的相似度默认设为1
  np.fill_diagonal(sim_matrix.values, 1)
  

• 可视化绘制
  直接调用seaborn的热力图接口即可生成带数值标注的矩阵图，样式匹配参考效果：

  # 设置画布尺寸，可根据实体数量调整大小避免标签拥挤
  plt.figure(figsize=(12, 10))
  # 绘制热力图
  sns.heatmap(
      sim_matrix,
      annot=True, # 开启单元格数值标注
      cmap="Blues", # 蓝色渐变配色
      vmin=0, vmax=1, # 相似度取值范围，根据你的实际数值范围调整
      square=True, # 单元格设置为正方形
      linewidths=0.5 # 添加单元格分割线
  )
  # 调整x轴标签角度避免重叠
  plt.xticks(rotation=45, ha="right")
  # 自动调整布局防止文字截断
  plt.tight_layout()
  # 展示图像
  plt.show()
  

常见问题排查：如果运行后提示透视时存在重复值报错，可将pivot步骤替换为pivot_table，设置聚合函数比如aggfunc="mean"对重复的相似度值取平均即可。如果你的数据集本身已经是行、列、值齐全的宽表矩阵格式，直接跳过透视步骤传入heatmap即可。

内容的提问来源于stack exchange，提问作者Noob Coder