在 Python 中填充稀疏矩阵的有效方法

Question

我正在尝试设置期刊共现的稀疏矩阵 (dok_matrix)。不幸的是，我的解决方案（太）效率低下无法使用，而且我在网上找不到任何解决方案。

编辑：我也想直接创建稀疏矩阵，而不是先创建一个密集矩阵，然后将其转换为稀疏矩阵。

我从某个期刊一起被引用的频率的数据框开始。在这个例子中，Nature 和 Science 一起被引用了 3 次。我想最终得到一个稀疏的对称矩阵，其中行和列是期刊，非空条目是这些期刊一起被引用的频率。即，这里的完整矩阵将有四行（Lancet、Nature、NEJM、Science）和四列（Lancet、Nature、NEJM、Science）和三个非零条目。由于我的真实数据要大得多，我想使用稀疏矩阵表示。

我目前在我的代码中所做的是用我的 Dataframe 中的值更新非零条目。不幸的是，期刊名称的比较非常耗时，我的问题是，是否有更快的方法在这里设置稀疏矩阵。

我的理解是我的数据框无论如何都接近 dok_matrix，日志组合相当于用作 dok_matrix 中的键的元组。但是，我不知道如何进行这种转换。

感谢任何帮助！

# Import packages
import pandas as pd
from scipy.sparse import dok_matrix

# Set up dataframe
d = {'journal_comb': ['Nature//// Science', 'NEJM//// Nature', 'Lancet//// NEJM'], 'no_combs': [3, 5, 6], 'journal_1': ['Nature', 'NEJM', 'Lancet'], 'journal_2': ['Science', 'Nature', 'NEJM']}
df = pd.DataFrame(d)

# Create list of all journal titles
journal_list = list(set(set(list(df['journal_1'])) | set(list(df['journal_2']))))
journal_list.sort()

# Set up empty sparse matrix with final size
S = dok_matrix((len(journal_list), len(journal_list)))

# Loop over all journal titles and get value from Dataframe for co-occuring journals
# Update sparse matrix value with value from Dataframe
for i in range(len(journal_list)):
    print i
    # Check whether journal name is actually in column 'journal_1'
    if len(df[(df['journal_1'] == journal_list[i])]) > 0:
    for j in range(len(journal_list)):
        # If clause to circumvent error due to empty series if journals are not co-cited
        if len(df[(df['journal_1'] == journal_list[i]) & (df['journal_2'] == journal_list[j])]['no_combs']) == 1:
            # Update value in sparse matrix
            S[i, j] = df[(df['journal_1'] == journal_list[i]) & (df['journal_2'] == journal_list[j])]['no_combs'].iloc[0]         

Answer 1

首先使用 pandas 来塑造你的矩阵 -

dok_matrix(pd.concat([df, df.rename(index=str, columns={'journal_1' : 'journal_2', 'journal_2' : 'journal_1'})], axis=0).pivot(index='journal_1', columns = 'journal_2', values = 'no_combs').as_matrix())

我首先将反向日志 1 附加为日志 2，然后旋转以形成正确的形状，然后转换为矩阵，然后转换为 dok_matrix