numpy 数组到 scipy.sparse 矩阵答案

【问题标题】：numpy array to scipy.sparse matrixnumpy 数组到 scipy.sparse 矩阵
【发布时间】：2012-05-28 01:15:20
【问题描述】：

给定一个任意的 numpy 数组 (ndarray)，是否有将其转换为 scipy.sparse 矩阵的函数或捷径？

我想要一些类似的东西：

A = numpy.array([0,1,0],[0,0,0],[1,0,0])
S = to_sparse(A, type="csr_matrix")

【问题讨论】：

标签： numpy python-3.x scipy sparse-matrix

【解决方案1】：

请参考这个答案：https://stackoverflow.com/a/65017153/9979257

在这个答案中，我已经解释了如何将二维 NumPy 矩阵转换为 CSR 或 CSC 格式。

【讨论】：

【解决方案2】：

帮助中有一个非常有用且相关的示例！

import scipy.sparse as sp
help(sp)

这给出了：

Example 2
---------

Construct a matrix in COO format:

>>> from scipy import sparse
>>> from numpy import array
>>> I = array([0,3,1,0])
>>> J = array([0,3,1,2])
>>> V = array([4,5,7,9])
>>> A = sparse.coo_matrix((V,(I,J)),shape=(4,4))

还值得注意的是各种构造函数（再次来自帮助）：

    1. csc_matrix: Compressed Sparse Column format
    2. csr_matrix: Compressed Sparse Row format
    3. bsr_matrix: Block Sparse Row format
    4. lil_matrix: List of Lists format
    5. dok_matrix: Dictionary of Keys format
    6. coo_matrix: COOrdinate format (aka IJV, triplet format)
    7. dia_matrix: DIAgonal format

To construct a matrix efficiently, use either lil_matrix (recommended) or
dok_matrix. The lil_matrix class supports basic slicing and fancy
indexing with a similar syntax to NumPy arrays.

你的例子很简单：

S = sp.csr_matrix(A)

【讨论】：

@clstaudt 我不确定您在寻找什么，sp.csr_matrix(A) 将从密集的 numpy 数组 A 构造一个 csr 类型矩阵，而 sp.csc_matrix(A) 将构造一个类型 @ 987654329@ 矩阵等...构造函数是您正在寻找的高效转换函数（尽管阅读帮助中的注意事项）。
你说得对，构造函数完成了我正在寻找的转换。我希望他们只采用与条目存储方式相对应的参数，例如： A = sparse.coo_matrix((V,(I,J)),shape=(4,4))

【解决方案3】：

我通常会做类似的事情

>>> import numpy, scipy.sparse
>>> A = numpy.array([[0,1,0],[0,0,0],[1,0,0]])
>>> Asp = scipy.sparse.csr_matrix(A)
>>> Asp
<3x3 sparse matrix of type '<type 'numpy.int64'>'
    with 2 stored elements in Compressed Sparse Row format>

【讨论】：

嗯，这很简单，我应该尝试一下。我没想到构造函数会进行转换。这也适用于其他稀疏矩阵类型的构造函数。