将字典转换为coo_matrix

Question

我有这样的字典，

{(0, 1, 2, 3, 0, 0): 0, (19, 49, 0, 0, 0, 0): 12, (85, 1, 87, 0, 0, 0): 22, (78, 79, 80, 81, 0, 0): 20, (0, 17, 18, 19, 0, 0): 8, (24, 25, 26, 27, 0, 0): 6, (62, 63, 64, 65, 0, 0): 16}

如何将其转换为coo_matrix？ 我尝试了以下操作，但出现Error: int object is not subscriptable

data,row, col = [], [], []
 for k, v in diction.items():
     r = int(k[0][1:])
     c = int(k[1][1:])
     data.append(v)
     row.append(r-1)
     col.append(c-1)
     # Create the COO-matrix
 coo = coo_matrix((data,(row,col)))

我需要这样做，因为LightFM.fit方法仅将coo矩阵作为参数。

预期输出（COO矩阵） ：

(0, 1, 2, 3, 0, 0)      0
(19, 49, 0, 0, 0, 0)    12
(85, 1, 87, 0, 0, 0)    22

Answer 1

正如其他人在评论中指出的那样， coo_matrix()期望坐标为二维 ： rows和columns 。 data值存储位于相应坐标中的实际数据值。 这也反映在LightFM.fit（）文档中。

这个概念可能不清楚，因此，我将尝试做出除文档中给出的解释之外的另一种解释：三个输入data ， row和column必须具有相同的长度； 并且是一维的

每个坐标通常分别通过索引i和j ，行索引和列索引来引用，因为它们表示第i行和第j列（ matrix_row[i]和matrix_column[j] ）。

从coo_matrix（）文档中的示例中借用 ：

row  = np.array([0, 3, 1, 0])
col  = np.array([0, 3, 1, 2])
data = np.array([4, 5, 7, 9])

for value, i, j in zip(data, row, col):
    print("In the {}'th row, on the {}'th column, insert the value {}"
          .format(i, j, value))
print("All other values are 0, because it's sparse.")

coo_matrix((data, (row, col)), shape=(4, 4)).toarray()

输出：

In the 0'th row, on the 0'th column, insert the value 4
In the 3'th row, on the 3'th column, insert the value 5
In the 1'th row, on the 1'th column, insert the value 7
In the 0'th row, on the 2'th column, insert the value 9
All other values are 0, because it's sparse.

array([
   [4, 0, 9, 0],
   [0, 7, 0, 0],
   [0, 0, 0, 0],
   [0, 0, 0, 5]
])

有关代码的注释：

Error: int object is not subscriptable错误可能来自您的代码，您尝试在下标k ，这是您的密钥 ，例如，您的第一个k将是(0, 1, 2, 3, 0, 0) 。

当您执行r=int(k[0][1:])您尝试获得0[1:] （因为k的0'eth条目为0类似地，对于c = int(k[1][1:]) ， k[1]为1 ，因此k[1][1:]试图做1[1:] 。

另外，执行int()也不起作用。 如果要转换列表中的每个元素，请使用numpy.array.astype() 。 例如np.array([1.2, 3, 4.4]).astype(int)将给出array([1, 3, 4]) np.array([1.2, 3, 4.4]).astype(int) array([1, 3, 4]) 。