构建共线矩阵的两种惊艳操作

本文介绍了如何使用Python高效地构建IPC共线网络的矩阵,并通过简洁的代码实现上三角矩阵的提取,展示了Python在矩阵操作中的语法糖优势。
摘要由CSDN通过智能技术生成

笔者要做的事情是利用专利的IPC信息构建IPC的共线网络,然后提取IPC的节点特征
原本我构建IPC共线矩阵的函数代码是

def ipcCoocureMetrix(patentsIpc):
    '''构建ipc共线矩阵'''
    coIPCs = []    #所有专利的共线IPC(二维)
    IpcUnique = []    #所有IPC(一维)
    for i, IPCs in patentsIpc.items():
        onePatentIPC = IPCs.split(', ')
        coIPCs = coIPCs.append(onePatentIPC)
        IpcUnique.extend(onePatentIPC)
    
    IpcUnique = list(set(IpcUnique))    #去重后的IPC
    #IPC共现矩阵
    ipcCoMatirx = pd.DataFrame(np.zeros((len(IpcUnique
  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 3
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值