从numpy python中的稀疏矩阵生成密集矩阵

Posted

技术标签:

【中文标题】从numpy python中的稀疏矩阵生成密集矩阵【英文标题】:Generating a dense matrix from a sparse matrix in numpy python 【发布时间】:2013-05-06 12:28:45 【问题描述】:

我有一个包含以下类型架构的 Sqlite 数据库:

termcount(doc_num, term , count)

此表包含术语及其在文档中的相应计数。 喜欢

(doc1 , term1 ,12)
(doc1, term 22, 2)
.
.
(docn,term1 , 10)

这个矩阵可以被认为是稀疏矩阵,因为每个文档都包含非常少的具有非零值的词。

我如何使用 numpy 从这个稀疏矩阵创建一个密集矩阵,因为我必须使用余弦相似度计算文档之间的相似度。

这个密集矩阵看起来像一个表格,第一列是 docid,所有术语都将列在第一行。其余的单元格将包含计数。

【问题讨论】:

【参考方案1】:
 from scipy.sparse import csr_matrix
 A = csr_matrix([[1,0,2],[0,3,0]])
 >>>A
 <2x3 sparse matrix of type '<type 'numpy.int64'>'
    with 3 stored elements in Compressed Sparse Row format>
 >>> A.todense()
   matrix([[1, 0, 2],
           [0, 3, 0]])
 >>> A.toarray()
      array([[1, 0, 2],
            [0, 3, 0]])

这是一个如何将稀疏矩阵转换为密集矩阵的示例,取自scipy

【讨论】:

【参考方案2】:

我使用 Pandas 解决了这个问题。因为我们要保留文档 ID 和术语 ID。

from pandas import DataFrame 

# A sparse matrix in dictionary form (can be a SQLite database). Tuples contains doc_id        and term_id. 
doc_term_dict=('d1','t1'):12, ('d2','t3'):10, ('d3','t2'):5

#extract all unique documents and terms ids and intialize a empty dataframe.
rows = set([d for (d,t) in doc_term_dict.keys()])  
cols = set([t for (d,t) in doc_term_dict.keys()])
df = DataFrame(index = rows, columns = cols )
df = df.fillna(0)

#assign all nonzero values in dataframe
for key, value in doc_term_dict.items():
    df[key[1]][key[0]] = value   

print df

输出:

    t2  t3  t1
d2  0  10   0
d3  5   0   0
d1  0   0  12

【讨论】:

以上是关于从numpy python中的稀疏矩阵生成密集矩阵的主要内容,如果未能解决你的问题,请参考以下文章

将稀疏 scipy 矩阵加载到现有的 numpy 密集矩阵中

TypeError:传递了稀疏矩阵,但需要密集数据。使用 X.toarray() 转换为密集的 numpy 数组。使用 NaiveBayes 分类器

Numpy/Scipy 稀疏与密集乘法

使用R中的稀疏矩阵从矢量中提取元素,而不转换为密集矩阵

将犰狳中的矩阵从稀疏转换为密集(spmat 到 mat)

在Python中创建生成稀疏矩阵(均匀分布高斯分布)