Wie konvertiert man die sparse-matrix, Dichte form mit python

Habe ich die folgende matrix, die ich glaube, ist spärlich. Ich habe versucht, die Umwandlung zu dicht mit dem x.Dichte-format, aber es hat noch nie funktioniert. Irgendwelche Vorschläge, wie dies zu tun?, danke.

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)]]

jemand legte die Lösung unten, aber gibt es einen besseren Weg?

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

mx.todense().
Soll die Ausgabe soll erscheinen in dieser form:[[2,1,1,1,1,3,4], [1,5,2,1,1,1,1], [2,1,1,1,2,1,1,1]]

Sind Sie mit numpy oder scipy?
Hallo Floris, ich bin mit numpy, aber es scheint, die meisten Leute angesprochen haben ähnliche Probleme mit Hilfe von scipy.
ist mx eine matrix mit Indizes oder Werte? In SciPy müssen Sie einer maximalen Abmessung von 2 für die sparse-matrix, die nicht scheinen, um euer Fall sein...
Hi Saullo, Indizes Folgen von Werten.
Sie benötigen x.todense(), nicht x.dense().

InformationsquelleAutor Tiger1 | 2013-08-03

  1. 3

    Liste Verständnis ist der einfachste Weg:

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

    Ergebnis:

    >>> 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]]
    Endlich eine Antwort ignoriert, dass die ganzen "welche Art von Daten dieser" red herring und bekommt das "hier ist, wie Sie von der Eingabe müssen Sie die Ausgabe, die Sie wollen".
    vielen Dank für die Lösung. Seine genau das, was ich suchte.

    InformationsquelleAutor Akavall

  2. 1

    Ihre Quell-Daten nicht wirklich Stimmen Sie die integrierten Formate unterstützt von sparse-Matrizen in SciPy (siehe http://docs.scipy.org/doc/scipy/reference/sparse.html und http://en.wikipedia.org/wiki/Sparse_matrix), so .todense() wird nicht wirklich produktiv sein hier. Insbesondere, wenn Sie so etwas wie:

    import numpy as np

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

    dann my_sparseish_matrix bereits ein dichtes numpy-array ! Aufruf .todense() auf Sie an diesem Punkt wird ein Fehler erzeugt, und hat sowieso keinen Sinn.

    Also meine Empfehlung ist, bauen Ihre dichten Arrays explizit mit ein paar for Schleifen. Um dies zu tun müssen Sie wissen, wie viele Elemente möglich, die in den resultierenden Vektor-nennen wir es N.

    dense_vector = np.zeros((N, ), int)
for inner in mx:
    for index, value in inner:
        dense_vector[index] = value
    Danke @Imjohns3, wie kann ich wissen, den Wert von N, wenn die tatsächlichen Daten-set enthält Tausende von Dokumenten (bis zu einer million Elemente)? Hier ist ein code, der das macht, und behält auch die Reihenfolge der Einträge in der Liste:q=[] für doc in corpus_tfidf: j=([i[1] for i in doc]) q.append(j)
    Oh wow, das ist ein völlig anderes als das, was ich dachte, Sie waren gefragt ! Es wäre hilfreich, die angeben, dies in Ihrer Frage.
    Hi Imjohns3, vielen Dank für die Lösung. es funktionierte, aber jedes Element sollte eine Liste; Werte, die durch Komma getrennt.Siehe Frage zum update. Dank

    InformationsquelleAutor lmjohns3

  3. 1

    Hier ist eine ziemlich hacky Weg, das zu tun, was Sie für Fragen :

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

    Grundsätzlich wandelt jeden Wert aus der verschachtelte Tupel in einen string und verkettet alle strings zusammen, dann setzt das auch wieder eine ganze Zahl. Wiederholen Sie dies für jedes element mx.

    InformationsquelleAutor lmjohns3

Schreibe einen Kommentar