我的数据集列出了一起工作或单独工作的人。
我对每个项目都有一行，并在列中列出了参与该项目的所有人员的姓名。如果第 2 列是给定一行的第一个空列，那么它是一个单独的工作，如果第 4 列是给定一行的第一个空列，那么有 3 个人一起工作。
我的目标是找出哪些人一起工作过，以及合作过多少次，所以我想要数据集中的所有对，将 A 与 B 一起工作与 B 与 A 一起工作一样。
由此，将创建一个正方形 N x N，每个参与者都标记列和行，并且在单元格 (A,B) 和 (B,A) 中，该对将一起工作多少次，这将对每一对完成.
我知道在 Excel 中执行此操作的“非常”快速的方法，但我希望它自动化，希望在 Stata 或 Python 中，以防万一添加或删除项目，我只需单击 1 次重新运行，而不必重新-每次都这样做。
以逗号分隔的数据示例：
A
A,B
B,C,E
B,F
D,F
A,B,C
D,B
E,C,B
X,D,A
希望有帮助！
布莱斯。F,D B F F,X,C C,F,D
也许这样的事情会让你开始？
import csv
import collections
import itertools
grid = collections.Counter()
with open("connect.csv", "r", newline="") as fp:
reader = csv.reader(fp)
for line in reader:
# clean empty names
line = [name.strip() for name in line if name.strip()]
# count single works
if len(line) == 1:
grid[line[0], line[0]] += 1
# do pairwise counts
for pair in itertools.combinations(line, 2):
grid[pair] += 1
grid[pair[::-1]] += 1
actors = sorted(set(pair[0] for pair in grid))
with open("connection_grid.csv", "w", newline="") as fp:
writer = csv.writer(fp)
writer.writerow([''] + actors)
for actor in actors:
line = [actor,] + [grid[actor, other] for other in actors]
writer.writerow(line)
[编辑：修改为在 Python 3.2 下工作]
关键模块是 (1) csv，这使得读取和写入 csv 文件变得更加简单；(2) collections，它提供了一个名为 a 的对象Counter-- 就像 a defaultdict(int)，如果你的 Python 没有，你可以使用Counter它，它是一个自动生成默认值的字典，所以你不必这样做，这里的默认计数是 0 ; 和 (3) itertools，它具有combinations获取所有对的功能。
产生
,A,B,C,D,E,F,X
A,1,2,1,1,0,0,1
B,2,1,3,1,2,1,0
C,1,3,0,1,2,2,1
D,1,1,1,0,0,3,1
E,0,2,2,0,0,0,0
F,0,1,2,3,0,1,1
X,1,0,1,1,0,1,0
您可以使用它itertools.product来使构建阵列更加紧凑，但由于它只有一两行，我认为手动完成它很简单。
如果我要保留这个项目一段时间，我会实现一个数据库，然后通过对该数据库的查询创建您正在谈论的矩阵。
您有一个Project表（比方说），每个项目有一条记录，一个Actor表每人一行，还有一个Participant表，其中每个项目的每个参与者都有一个记录。（每条记录都有一个ID、一个ProjectID和一个ActorID。）
在您的示例中，您将有 14Project条记录、7Actor条记录（A 到 F 和 X）和 31Participant条记录。
现在，通过这种设置，每个单元格都是对该数据库的查询。
要重建矩阵，首先您要在数据库中添加/更新/删除适当的记录，然后重新运行查询。
我建议为此使用Python Pandas。它为格式化邻接矩阵提供了一个巧妙的解决方案，它也将使任何统计计算变得更加容易。您还可以直接将值矩阵提取到NumPy数组中，以便在以后需要时对组簇进行特征值分解或其他图论过程。
我假设您列出的示例数据已保存到一个名为的文件projects_data.csv中（尽管它实际上不需要是 .csv 文件）。我还假设每个观察之间没有空白行，但这只是文件组织细节。
这是我的代码：
# File I/O part
import itertools, pandas, numpy as np
with open("projects_data.csv") as tmp:
lines = tmp.readlines()
lines = [line.split('\n')[0].split(',') for line in lines]
# Unique letters
s = set(list(itertools.chain(*lines)))
# Actual work.
df = pandas.DataFrame(
np.zeros((len(s),len(s))),
columns=sorted(list(s)),
index=sorted(list(s))
)
for line in lines:
if len(line) == 1:
df.ix[line[0],line[0]] += 1 # Single-person projects
elif len(line) > 1:
# Get all pairs in multi-person project.
tmp_pairs = list(itertools.combinations(line, 2))
# Append pair reversals to update (i,j) and (j,i) for each pair.
tmp_pairs = tmp_pairs + [pair[::-1] for pair in tmp_pairs]
for pair in tmp_pairs:
df.ix[pair[0], pair[1]] +=1
# Uncomment below if you don't want the list
# comprehension method for getting the reverals.
#df.ix[pair[1], pair[0]] +=1
# Final product
print df.to_string()
A B C D E F X
A 1 2 1 1 0 0 1
B 2 1 3 1 2 1 0
C 1 3 0 1 2 2 1
D 1 1 1 0 0 3 1
E 0 2 2 0 0 0 0
F 0 1 2 3 0 1 1
X 1 0 1 1 0 1 0
现在你可以免费做很多事情，比如查看每个参与者的项目合作伙伴总数（包括重复）：
>>> df.sum()
A 6
B 10
C 10
D 7
E 4
F 8
X 4
我猜你没有成千上万的人在这些项目中一起工作。这个实现非常简单。
fp = open('projects.cvs')
# counts how many times each pair worked together
pairs = {}
# each element of `project` is a person
for project in (p[:-1].split(',') for p in fp):
project.sort()
# someone is alone here
if len(project) == 1:
continue
# iterate over each pair
for i in range(len(project)):
for j in range(i+1, len(project)):
pair = (project[i], project[j])
# increase `pairs` counter
pairs[pair] = pairs.get(pair, 0) + 1
from pprint import pprint
pprint(pairs)
它输出：
{('A', 'B'): 1,
('B', 'C'): 2,
('B', 'D'): 1,
('B', 'E'): 1,
('B', 'F'): 2,
('C', 'E'): 1,
('C', 'F'): 1,
('D', 'F'): 1}