如何将“SciPy稀疏矩阵”转换为“NumPy矩阵”？

Question

我正在使用一个名为“incidence_matrix（G）”的python函数，它返回图的事件矩阵。 它来自Networkx包。 我面临的问题是这个函数的返回类型是“Scipy Sparse Matrix”。 我需要使用numpy矩阵或数组格式的Incident矩阵。 我想知道是否有任何简单的方法可以做到这一点？ 或者是否有任何内置函数可以为我做这个转换？

谢谢

Answer 1

scipy.sparse.*_matrix有几个有用的方法，例如，如果a是例如scipy.sparse.csr_matrix ：

• a.toarray()或aA - 返回此矩阵的密集ndarray表示。 （ numpy.array ，推荐）
• a.todense()或aM - 返回此矩阵的密集矩阵表示。 （ numpy.matrix ）

Answer 2

最简单的方法是在数据上调用todense（）方法：

In [1]: import networkx as nx

In [2]: G = nx.Graph([(1,2)])

In [3]: nx.incidence_matrix(G)
Out[3]: 
<2x1 sparse matrix of type '<type 'numpy.float64'>'
    with 2 stored elements in Compressed Sparse Column format>

In [4]: nx.incidence_matrix(G).todense()
Out[4]: 
matrix([[ 1.],
        [ 1.]])

In [5]: nx.incidence_matrix(G).todense().A
Out[5]: 
array([[ 1.],
       [ 1.]])

Answer 3

我发现在csr矩阵的情况下， todense()和toarray()只是包装了元组，而不是以矩阵形式生成数据的ndarray格式化版本。 对于我正在训练的skmultilearn分类器，这是无法使用的。

我把它翻译成一个lil矩阵 - 一个格式numpy可以准确解析，然后运行toarray() ：

sparse.lil_matrix(<my-sparse_matrix>).toarray()