如何使用python将稀疏矩阵转换为密集形式

Question

我有以下我认为稀疏的矩阵。 我尝试使用x.dense格式转换为密集模式，但从未成功。 有关如何执行此操作的任何建议吗？谢谢。

mx=[[(0, 2), (1, 1), (2, 1), (3, 1), (4, 1), (5, 3), (6, 4), (7, 2), (8, 5), (9, 1)], 
[(10, 1), (11, 5), (12, 2), (13, 1), (21, 1), (22, 1), (23, 1), (24, 1), (25, 1), (26, 2)], 
[(27, 2), (28, 1), (29, 1), (30, 1), (31, 2), (32, 1), (33, 1), (34, 1), (35, 1), (36, 1)]]

有人在下面提出了解决方案，但是有更好的方法吗？

def assign_coo_to_dense(sparse, dense):
    dense[sparse.row, sparse.col] = sparse.data

mx.todense（）。 预期的输出应以以下形式出现：[[2,1,1,1,1,3,4]，[1,5,2,1,1,1,1]，[2,1,1,1， 2,1,1,1]]

Answer 1

列表理解是最简单的方法：

new_list = [[b for _,b in sub] for sub in mx]

结果：

>>> new_list
[[2, 1, 1, 1, 1, 3, 4, 2, 5, 1], [1, 5, 2, 1, 1, 1, 1, 1, 1, 2], [2, 1, 1, 1, 2, 1, 1, 1, 1, 1]]

Answer 2

您的源数据实际上与SciPy中稀疏矩阵支持的任何内置格式都不匹配（请参阅http://docs.scipy.org/doc/scipy/reference/sparse.html和http：//en.wikipedia。 org / wiki / Sparse_matrix ），因此在这里使用.todense()并不是很有效。 特别是，如果您有以下内容：

import numpy as np

my_sparseish_matrix = np.array([[(1, 2), (3, 4)]])

那么my_sparseish_matrix将已经是一个密集的numpy数组！ .todense()在其上调用.todense()会产生错误，而且还是没有意义的。

因此，我的建议是使用几个for循环显式构造密集数组。 为此，您需要知道所得向量中可能有多少个项目-称为N

dense_vector = np.zeros((N, ), int)
for inner in mx:
    for index, value in inner:
        dense_vector[index] = value

Answer 3

这是一种很简单的方法来完成您所要的操作：

dense = [[int(''.join(str(val) for _, val in doc))] for doc in mx]

基本上，它会将嵌套元组中的每个值转换为字符串，并将所有这些字符串连接在一起，然后将其转换回整数。 对mx每个元素重复上述步骤。