我在用Python的邻接矩阵表示网站用户行为时遇到了问题。我想分析43个不同网站之间的用户交互,看看哪些网站是一起使用的。
给定的数据集约有13.000.000行,其结构如下:

 user website
 id1  web1
 id1  web2
 id1  web2
 id2  web1
 id2  web2
 id3  web3
 id3  web2

我想以这样的邻接矩阵来可视化网站之间的交互:
     web1 web2 web3
 web1  2    2    0
 web2  2    4    1
 web3  0    1    1

我很乐意接受任何建议

最佳答案

import scipy.sparse

data = """
 id1  web1
 id1  web2
 id1  web2
 id2  web1
 id2  web2
 id3  web3
 id3  web2
"""

data = np.array(data.split()).reshape(-1, 2)
_, i = np.unique(data[:, 0], return_inverse=True)
_, j = np.unique(data[:, 1], return_inverse=True)

incidence = scipy.sparse.coo_matrix((np.ones_like(i), (i,j)))
adjecency = incidence.T * incidence

print(adjecency.todense())

10-08 18:33