如何将pandas Series转换为矩阵并拆分连字符索引为行列名？

需要将索引为连字符拼接组合的pandas Series转换为对称邻接矩阵：

• 矩阵的行名、列名从原索引拆分连字符后的单个字符生成
• 非对角线位置保留原Series中对应配对的数值
• 对角线（自配对，如A-A、B-B）固定填充为1

原始数据 #

输入Series格式：

A-B    10
A-C    20
A-D    30
B-C    40
B-D    50
C-D    60

目标矩阵格式：

A   B   C   D
A   1  10  20  30
B  10   1  40  50
C  20  40   1  60
D  30  50  60   1

全程使用pandas原生接口，无需手写多层嵌套遍历，比手动列表推导式更稳定：

1. 拆分原Series的索引为双维度层级

   import pandas as pd
   import numpy as np
   
   # 加载原始示例数据
   s = pd.Series(
       [10,20,30,40,50,60],
       index=["A-B","A-C","A-D","B-C","B-D","C-D"]
   )
   
   # 直接用pandas字符串接口拆分连字符，生成MultiIndex，无需手动嵌套遍历
   s.index = s.index.str.split('-', expand=True)
   s.index.names = ["row", "col"]
   

2. 补全对称矩阵的反向配对
   原始Series仅存储无序配对的单向值（如仅存A-B未存B-A），直接转宽表会出现位置缺失。通过交换MultiIndex层级生成反向配对值，和原数据拼接后保证矩阵对称：

   # 交换行、列层级，生成反向配对，和原数据拼接
   sym_s = pd.concat([s, s.swaplevel()])
   

3. 转宽表并填充对角线值

   # 长表转宽矩阵
   matrix = sym_s.unstack()
   # 对角线位置填充固定值1
   np.fill_diagonal(matrix.values, 1)
   

结果验证 #

运行上述代码的输出和目标格式完全一致：

col   A   B   C   D
row
A     1  10  20  30
B    10   1  40  50
C    20  40   1  60
D    30  50  60   1

对比你之前手写的字符集合提取逻辑：这套方案不需要手动嵌套遍历提取唯一字符，拆分后自动生成的行列索引会自动对齐排序，不会出现手动推导逻辑漏值、错序的问题。

内容的提问来源于stack exchange，提问作者np2020