二次元配列から同値関係を計算したものを出力したい

Question

Pythonのプログラムにて、二次元配列から同値関係(単純に同じ列の値の数を足し合わせたもの)を計算したものを出力したいと考えております。

具体的には、

例えば動物データセット
||size|neck|color|
|:--|:--:|--:|
|Tiger|0|1|0
|Lion|0|0|2
|Cat|1|0|2
|Dog|0|0|0

▲表1

のようなデータセットから、
data = [[0,1,0],[0,0,2],[1,0,2],[0,0,0]]　という二次元配列に格納したとします。

ここから同値関係を計算した正方行列を出力したいと考えてます。

出力したいものの具体的な計算方法

||Tiger|Lion|Cat|Dog|
|:--|:--:|--:|
|Tiger|0|1|0|2|
Lion|1|0|2|2
Cat|0|2|0|1
Dog|2|2|1|0

▲表2(weight_matrixと名付けます)

出力結果は上表になります。正方行列として捉えてください。こちらも同様に二次元配列。

具体的な計算方法としては、
表１の1行目と2行目の同列での同じ値はsizeの1つだけ。なのでweight_matrix[1][2]は1。
表1の1行目と3行目の同じ値は0個なのでwight_matrix[1][3]は0。
表1の1行目と4行目の同じ値はsizeとcolorの2つなのでweight_matrix[1][4]は2。

この計算作業を全ての行に対して行った結果が表2になります。

どなたかこの計算プログラムをご教授いただけないでしょうか。
やること自体は単純なのですが、forループでのdataのindex取得が上手くできません。

---

ご指摘をいただいたので、途中までのコードを載せます。

w_matrix = []
for i in range(len(data)):
    cnt = 0
    for j in range(len(data[i])):
        temp_list = []
        if data[i][j] == data[i+j][j]:
            cnt += 1
        temp_list.append(cnt)

    w_matrix.append(temp_list)

特に　if data[i][j] == data[i+j][j]:
のインデックス参照部分がわかっておりません。
temp_list.append(cnt)の位置もおかしいです。

Comments

[jeanbiego]

上手くいかなかったコードを、書けたところまで記載してください。その方が有用な回答が集まりますよ。

Answer 1

アドバイスをするならば

• 処理を分割して分かりやすくする
• 無機質なiやjという変数よりも具体的な変数名を与える
• w_matrixはtemp_list等を使って動的に作るよりも先に静的に作る

ということでしょうか。上記を意識した上で回答します。

最初に最終結果となる4x4の行列であるw_matrixを作ります。

w_matrix = [[0 for animal2 in range(4)] for animal1 in range(4)]

こうしておく事でw_matrix[animal1][animal2] = cntとして代入が可能になります。

次に(Tiger, Lion, Cat, Dog)の4つの中から2つ選ぶというルーチンを作成します。

for animal1 in range(4):
    for animal2 in range(animal1 + 1, 4):
        print(animal1, animal2)

ここでanimal1とanimal2は行列要素の行に対するインデックスになります。
次にanimal1とanimal2の比較して同値のカウントを行う処理を書きます。

cnt = 0
for feature in range(3):
    if data[animal1][feature] == data[animal2][feature]:
        cnt += 1
w_matrix[animal1][animal2] = cnt
w_matrix[animal2][animal1] = cnt

この処理を2つ目のソースコードのprint()部分に埋め込めば良いです。

実装例

上記とは別に、参考までに私の実装例を示します。

from itertools import combinations
import pandas as pd
import numpy as np

# 設問のデータフレームを準備
df = pd.DataFrame(
    {"size": [0, 0, 1, 0], "neck": [1, 0, 0, 0], "color": [0, 2, 2, 0],},
    index=["Tiger", "Lion", "Cat", "Dog"],
)
print(df)

# 同値関係のデータフレームを作成
df_equ = pd.DataFrame(
    np.zeros(shape=(len(df), len(df)), dtype=int),
    index=df.index,
    columns=df.index,
)
for pair in combinations(df.index, 2):
    comp = df.loc[pair[0]] - df.loc[pair[1]]
    equal_count = (comp == 0).sum()
    df_equ.loc[pair[0], pair[1]] = equal_count
    df_equ.loc[pair[1], pair[0]] = equal_count

print(df_equ)

以下、結果になります。

$ python equ.py
       size  neck  color
Tiger     0     1      0
Lion      0     0      2
Cat       1     0      2
Dog       0     0      0
       Tiger  Lion  Cat  Dog
Tiger      0     1    0    2
Lion       1     0    2    2
Cat        0     2    0    1
Dog        2     2    1    0

Comments

[ha_horse]

ご回答ありがとうございます。参考にさせていただきます。コードに関するアドバイスもいただき、本当にありがとうございます。

Answer 2

質問でやろうとしていることは、2つのサンプルを x = (x1, x2, x3), y = (y1, y2, y3) としたとき、一致する成分の数を距離と定義して、各サンプル間の距離を計算した距離行列を作成することにほかなりません。

tiger = np.array([0, 1, 0])
lion = np.array([0, 0, 2])

print(tiger == lion)
# [ True False False]

# True は1、False は0と同値なので、和をとると一致する要素数になる
dist = (tiger == lion).sum()
print(dist)  # 1

サンプルコード

なので、以下のように距離行列を作成すれば、求めている行列が得られます。
自身との比較はすべて一致するので、上記定義に従えば3となるはずですが、0としたいのであれば、あとから対角成分を0で埋めてください。

import numpy as np
import pandas as pd

df = pd.DataFrame(
    {"size": [0, 0, 1, 0], "neck": [1, 0, 0, 0], "color": [0, 2, 2, 0]},
    index=["Tiger", "Lion", "Cat", "Dog"],
)
print(df)
#        size  neck  color
# Tiger     0     1      0
# Lion      0     0      2
# Cat       1     0      2
# Dog       0     0      0

# 距離行列を計算する
# 形状が (サンプル数, 1, 特徴量の数) の配列と形状が (サンプル数, 特徴量の数) の配列で比較すると、
# ブロードキャストされて  (サンプル数, サンプル数, 特徴量の数) の配列同士の比較になる
dist_matrix = (df.values[:, np.newaxis] == df.values).sum(axis=-1)
np.fill_diagonal(dist_matrix, 0)  # 主対角成分を0でうめる

dist_matrix = pd.DataFrame(dist_matrix, index=df.index, columns=df.index)
print(dist_matrix)
#        Tiger  Lion  Cat  Dog
# Tiger      0     1    0    2
# Lion       1     0    2    2
# Cat        0     2    0    1
# Dog        2     2    1    0

Comments

[ha_horse]

ご回答ありがとうございます。参考にさせていただきます。周辺知識までご教授いただき、本当にありがとうございます。

Answer 3

こちらの三重ループで解決しました。ありがとうございました。

data = [[0,1,0],[0,0,2],[1,0,2],[0,0,0]]
w_matrix = []
for i in range(len(data)):
    
    temp_list = []
    for j in range(len(data)):
        cnt = 0
        for k in range(len(data[i])):
            print(k)
            if data[i][k] == data[j][k] and i != j:
                cnt += 1
        temp_list.append(cnt)
        print(temp_list)
    w_matrix.append(temp_list)
print(w_matrix)