如何在 Python 中将 3D numpy 数组转换为 3D 稀疏矩阵？答案

【问题标题】：How to convert a 3D numpy array into a 3D sparse matrix in Python?如何在 Python 中将 3D numpy 数组转换为 3D 稀疏矩阵？
【发布时间】：2019-02-11 06:30:04
【问题描述】：

我有一个 3D NumPy 数组，我想在 Python 中将其转换为 3D 稀疏矩阵。我查找了scipy.sparse 模块，只找到了二维稀疏矩阵实现。例如，

输入：

array([[[0],
        [0],
        [1],
        [0],
        [1],
        [0],
        [0]],
       [[1],
        [0],
        [1],
        [0],
        [0],
        [0],
        [0]]])

输出：

(0,0,2) 1
(0,0,4) 1
(0,1,0) 1
(0,1,2) 1

如何做到这一点？

【问题讨论】：

How to transform numpy.matrix or array to scipy sparse matrix的可能重复
嗨卢卡斯，我已经试过了。他们期望维度为 2 或小于 2。在我的例子中，数组的维度是 3。
如您所见，scipy.sparse 代码仅适用于 2d。一旦你有了稀疏矩阵，你想对它做什么？代表价值观是一回事，用它们做有意义的事情是另一回事。
是的，在 3d 中创建 dok 或 lil 实现相当简单，但如果没有让 csr 和 csc 实现执行矩阵数学的算法，它们就不会特别有用。如果矩阵是某种传递函数，您可能会更好地展平输入和输出并将转换存储在 2D 中。例如，这就是如何通过Voigt Notation 在 2D 中表示 4D 对称变换

标签： python numpy scipy

【解决方案1】：

在 n 维中，您可以找到以下索引：

ind=np.array(np.where(a!=0)).T
#array([[0, 2, 0],
#       [0, 4, 0],
#       [1, 0, 0],
#       [1, 2, 0]], dtype=int64)

以及相应的值，例如：

ravel_ind=np.apply_along_axis(ravel_multi_index,1,ind,a.shape)
values=np.take(a,ravel_ind)
# array([1, 1, 1, 1])

【讨论】：