最近学习coursera上的 How to Win a Data Science Competition: Learn from Top Kagglers 的课程，在完成其中一个jupyter notebook的作业时，遇到了一个问题，想写一篇关于这个问题解决方案的文章。
问题：给定一个dataframe，如果其中两列的数值同时出现，在稀疏矩阵中相应的位置赋值为1，否则为0，该稀疏矩阵也可以称作Incidence matrix。
我使用scipy.sparse.coo_matrix((data, (row, col))) 方法创建稀疏矩阵，还有其他的方法可以创建正确的稀疏矩阵，感兴趣的小伙伴可以自行搜索，并欢迎在下方留言，供大家学习。
假设我们的dataframe如下图所示，要创建一个稀疏矩阵，当a和b的数据（i，j）同时出现时，稀疏矩阵在（i，j）位置的值为1，其余地方的值都为0：
首先明确我们想要得到的稀疏矩阵的形式，如下，并且空白的地方都是0：
明确了稀疏矩阵长什么样之后，如何使用scipy.sparse.coo_matrix函数，创建一个相应的稀疏矩阵呢？
coo_matrix 函数需要接收三个参数，data，row 和 col。下面通过上述的例子，简述我是如何确定这三个参数的。
第一步，合并“a” 和 “b” 中的数值，分别以 “a”—> "b" 的顺序和“b”—>“a”的顺序合并，暂且称作我们的dataframe 为df。具体方式如下：
row_temp = df.a.append(df.b)
col_temp = df.b.append(df.a)
第二步，按照列合并row_temp 和 col_temp，目的是为了删除重复的行，可以看到在我们的例子中有（0，5）和（5，0）这样的两对，当我们只有（0，5）或者只有（5，0）这样一对的时候，就会在稀疏矩阵的（0，5）和（5，0）的位置都填上1，所以我们要删除其中的一对，保证我们的稀疏矩阵中只包含数值0或者数值1。
df_temp = pd.concat([row_temp, col_temp], axis=1)
df_temp = df_temp.drop_duplicates()
第三步，明确row和col参数
row = df_temp[0]
col = df_temp[1]
第四步，明确data参数
data = np.ones(len(row))
第五步，找到了data，row和col参数，将它们填入到coo_matrix函数，创建稀疏矩阵
sp_mat = scipy.sparse.coo_matrix((data, (row, col)),dtype=int)
第六步，判断我们生成的稀疏矩阵是否正确
assert sp_mat.max() == 1
如果想看到更加详细的说明与code，可以点击这里，进入到我的github中查看。