从稀疏矩阵创建行、列、数据 pandas 数据框答案

【问题标题】：create row, column, data pandas dataframe from sparse matrix从稀疏矩阵创建行、列、数据 pandas 数据框
【发布时间】：2021-10-11 06:22:26
【问题描述】：

如何以 COO 格式创建稀疏矩阵，并使 pandas 数据框不会嵌套到密集布局，但保持 row,column,data 的 COO 格式？

import numpy as np
import pandas as pd
from scipy.sparse import csr_matrix
from scipy.sparse import coo_matrix

a = np.eye(7)
a_csr = csr_matrix(a)
a_coo = a_csr.tocoo()
print(a_coo)
  (0, 0)    1.0
  (1, 1)    1.0
  (2, 2)    1.0
  (3, 3)    1.0
  (4, 4)    1.0
  (5, 5)    1.0
  (6, 6)    1.0

即我怎样才能从中获得一个不会取消嵌套的 pandas 数据框

pd.DataFrame.sparse.from_spmatrix(a_coo)

但保持row,column,data 格式在print 操作中也可视化？

【问题讨论】：

基本上我想获取矩阵市场格式（MTX）的熊猫数据框。
a_coo.row, a_coo.col, a_coo.data
真的 ;) 好的，这本来可以很容易的。当然比 mmwrite 解决方法更好。你想写这个作为答案吗？

标签： python pandas numpy scipy sparse-matrix

【解决方案1】：

一种可能的解决方法是使用 mtx 序列化并将数据解释为 CSV。

from scipy import io
io.mmwrite('sparse_thing', a_csr)
!cat sparse_thing.mtx

sparse_mtx_mm_df = pd.read_csv('sparse_thing.mtx', sep=' ', skiprows=3, header=None)
sparse_mtx_mm_df.columns = ['row', 'column', 'data_value']
sparse_mtx_mm_df

是否有更好的（本机、非基于序列化的）解决方案？

re_sparsed = coo_matrix((sparse_mtx_mm_df['data_value'].values, (sparse_mtx_mm_df.numpy_row.values, sparse_mtx_mm_df.numpy_column.values)))
re_sparsed.todense()

然后会返回初始的 numpy 数组

【讨论】：

【解决方案2】：

您要放入数据框中的值可用作

a_coo.row, a_coo.col, a_coo.data

【讨论】：