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())