关于python：如何将“ SciPy稀疏矩阵”转换为“ NumPy矩阵”？


How do I transform a “SciPy sparse matrix” to a “NumPy matrix”?

我正在使用一个名为" incidence_matrix(G)"的python函数，该函数返回图的入射矩阵。 它来自Networkx软件包。 我面临的问题是此函数的返回类型是" Scipy Sparse Matrix"。 我需要以numpy矩阵或数组的格式获取事件矩阵。 我想知道是否有任何简便的方法？ 还是有任何内置函数可以为我执行此转换？

谢谢

相关讨论

scipy.sparse.*_matrix有几种有用的方法，例如，如果a是 scipy.sparse.csr_matrix：

  • a.toarray()或a.A-返回此矩阵的密集ndarray表示形式。 (numpy.array，推荐)
  • a.todense()或a.M-返回此矩阵的密集矩阵表示形式。 (numpy.matrix)
相关讨论

最简单的方法是对数据调用todense()方法：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
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.]])

我发现对于csr矩阵，todense()和toarray()只是包装了元组，而不是以矩阵形式生成ndarray格式的数据版本。 这对于我正在训练的skmultilearn分类器无法使用。

我将其翻译为lil矩阵-numpy可以准确解析格式，然后在该文件上运行toarray()：

1
sparse.lil_matrix(<my-sparse_matrix>).toarray()