熊貓數據框稀疏表示

Question

我有一個密集的熊貓數據框。 我想從中得到一個稀疏數據幀，其中原始數據幀的每個值將是結果稀疏數據幀中1的列。

例：

原始df：

    a b
0   5 3
1   2 6

稀疏df：

(0,3): 1
(0,5): 1
(1,2): 1
(1,6): 1

我不在乎是否發生碰撞或碰撞次數為1

然后，我將此df傳遞給sklearn.linear_model.LogisticRegression擬合函數（我不確定此處將接受哪種稀疏矩陣）

什么是合適的方法？

我可以手動創建它（在行中重復），但是數據幀很大，因此我試圖找到一種有效的方法。

謝謝

Answer 1

基於@Dark注釋：

mlb = sklearn.preprocessing.MultiLabelBinarizer(sparse_output = True)
result = mlb.fit_transform(np.array[df])

fit_transform需要可迭代的迭代： 此處解釋

Answer 2

比@Dark提出的解決方案快得多的解決方案是使用csr_matrix構造函數，但是在有冗余的情況下可以總結出這些，對於我的情況是可以的：

nrow = len(df.index)
ncol = len(df.columns)
indices = df.values.flatten()
data = np.full_like(indices, 1)
nelement = len(indices)
indptr = range(0, nelement+ncol, ncol)
result = csr_matrix((data, indices, indptr))