将 scipy 稀疏矩阵转换为基于索引的 numpy 数组答案

【问题标题】：Transform scipy sparse matrix to index-based numpy array将 scipy 稀疏矩阵转换为基于索引的 numpy 数组
【发布时间】：2019-12-04 19:11:33
【问题描述】：

我有一个具有 N 个非零值的 scipy 稀疏矩阵，我希望将其作为形状为 (N,3) 的 numpy 数组返回，其中第一列包含非零值的索引，最后一列列包含相应的非零值。

例子：

我愿意

mymatrix.toarray()
matrix([[0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        ],
        [0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        ],
        [0.        , 0.        , 0.        , 0.83885831, 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        ],
        [0.        , 0.        , 0.        , 0.        , 0.        , 1.13395003, 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        ],
        [0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        ],
        [0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        ],
        [0.        , 0.        , 0.        , 0.        , 0.        , 0.57979727, 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        ],
        [0.        , 0.        , 0.        , 0.        , 0.75500017, 0.        , 0.81459546, 0.        , 0.        , 0.        , 0.        , 0.        , 0.        ],
        [0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.87997548, 0.        , 0.        , 0.        ],
        [0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        ],
        [0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        ],
        [0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        ],
        [0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        , 0.        ]])

成为

np.array([[3, 2, 0.83885831], [4,5,1.13395003], [6,5,0.57979727], [7,4,0.75500017], [7,6,0.81459546], [8,9,0.87997548]])

array([[3.        , 2.        , 0.83885831],
       [4.        , 5.        , 1.13395003],
       [6.        , 5.        , 0.57979727],
       [7.        , 4.        , 0.75500017],
       [7.        , 6.        , 0.81459546],
       [8.        , 9.        , 0.87997548]])

如何有效地做到这一点？

转换后我将遍历行 - 因此，如果有一个有效的选项可以在不转换的情况下遍历行，我也将不胜感激：

for index_i, index_j, value in mymatrix.iterator():
     do_something(index_i, index_j, value)

【问题讨论】：

标签： numpy scipy sparse-matrix

【解决方案1】：

对于迭代，dok（键的字典）格式看起来很自然；你可以这样做：

for (i,j), v in your_sparse_matrix.todok().items():
    etc.

坐标值记录的Nx3列表可以很容易地从coo格式得到：

 coo = your_sparse_matrix.tocoo()
 np.column_stack((coo.row,coo.col,coo.data))

显然，这也可以用于迭代；您必须测试在您的用例中哪个更快。

【讨论】：