如何使用scipy.sparse.coo_matrix从pandas两列整数数据构造对称0-1稀疏矩阵

最终要生成符合以下规则的矩阵：

• 行、列索引完全一致，覆盖从0到DataFrame内所有元素最大值的全部整数
• 只要DataFrame中存在[i,j]或[j,i]的配对记录，矩阵(i,j)位置的元素就为1，全矩阵最大值不超过1
• 全程使用scipy.sparse.coo_matrix((data, (row_ind, col_ind)))的构造逻辑实现

现有实现的核心问题 #

你当前写出的代码：

scipy.sparse.coo_matrix((np.ones_like(df['a']), (df['a'].array, df['b'].array))).toarray()

存在三个不符合要求的缺陷：

• 不满足对称性：仅按DataFrame原始行的顺序赋值(i,j)位置，没有为反向的(j,i)位置同步赋值，矩阵左右不对称
• 重复配对会导致元素值大于1：coo构造器会自动将相同(row, col)位置的传入值累加，若DataFrame中出现重复的配对记录，最终对应位置的数值会大于1
• 矩阵维度不匹配：你之前输出的4行5列结果，本质是没有手动指定矩阵shape，coo默认会分别取行索引的最大值+1、列索引的最大值+1作为矩阵边界，没法保证行列长度一致。

分步实现方案 #

整个流程完全贴合coo矩阵的构造逻辑，不需要额外的复杂操作：

1. 确定统一矩阵形状
   计算DataFrame内所有元素的全局最大值max_val = df.to_numpy().max()，最终矩阵的形状为(max_val+1, max_val+1)——因为索引从0开始计数，所以最大值需要加1，保证行、列维度完全一致。
2. 拼接正反坐标实现对称
   把原DataFrame的两列顺序交换，和原始列拼接成两组坐标：
   • 原坐标对：行索引取df的a列，列索引取df的b列
   • 反向坐标对：行索引取df的b列，列索引取df的a列
     将两组行索引、列索引分别拼接，覆盖所有需要赋值1的对称位置。
3. 传入构造器完成初始化
   给所有拼接后的坐标对应统一的data值1，传入coo构造器，手动指定之前计算好的统一shape。
4. 二值化处理
   coo矩阵初始化时会自动累加同坐标的传入值，只需将构造好的coo矩阵转成高效的csr格式，把所有非零位置的data值全部覆盖为1，即可保证矩阵最大值为1。

完整可运行代码 #

import numpy as np
import pandas as pd
import scipy.sparse as sp

# 按示例定义测试用DataFrame
df = pd.DataFrame(np.random.randint(5, size=(10,2)))
df.columns = ['a', 'b']

# 计算全局最大值，确定统一矩阵形状
max_val = df.to_numpy().max()
mat_shape = (max_val + 1, max_val + 1)

# 拼接正向、反向坐标对
row_ind = np.concatenate([df['a'].to_numpy(), df['b'].to_numpy()])
col_ind = np.concatenate([df['b'].to_numpy(), df['a'].to_numpy()])
data = np.ones(len(row_ind), dtype=np.int8)

# coo构造器初始化
adj_coo = sp.coo_matrix((data, (row_ind, col_ind)), shape=mat_shape)
# 二值化处理，保证所有非零值为1
adj_csr = adj_coo.tocsr()
adj_csr.data = np.ones_like(adj_csr.data)

# 查看最终矩阵
print(adj_csr.toarray())

关键使用提示 #

• 手动指定shape是使用coo构造器的核心注意点：如果不传入shape参数，coo会分别根据传入的行索引、列索引的最大值自动计算矩阵边界，很容易出现行列长度不一致的问题
• 不需要提前对坐标对做去重操作：coo的设计逻辑本身就支持同坐标多次传入，初始化时自动累加，后续统一覆盖为1即可，操作效率更高
• 正反坐标拼接的方式没有额外计算开销，完全匹配coo“传入坐标列表、对应数值列表、指定形状”的使用逻辑，不需要写循环判断逻辑

内容的提问来源于stack exchange，提问作者aheHkartA