直接将Pandas数据框转换为稀疏Numpy矩阵
我正在从Pandas数据框创建矩阵，如下所示：
dense_matrix = np.array(df.as_matrix(columns = None), dtype=bool).astype(np.int)
然后使用以下公式生成稀疏矩阵：
sparse_matrix = scipy.sparse.csr_matrix(dense_matrix)
从df直线到稀疏矩阵有什么办法吗？
提前致谢。
问题答案：
df.values是一个numpy数组，以这种方式访问值总是比快np.array。
scipy.sparse.csr_matrix(df.values)
您可能需要先进行移调，例如df.values.T。在DataFrames中，列为轴0。
-
问题内容： 我对知道如何将熊猫数据框转换为NumPy数组感兴趣。 数据框： 给 我想将其转换为NumPy数组，如下所示： 我怎样才能做到这一点？ 作为奖励，是否可以像这样保留dtype？ 或类似的？ 问题答案： 要将pandas数据框（df）转换为numpy ndarray，请使用以下代码：
-
我有一个带有两个变量X和Y的pandas数据帧（大约1M行），并且希望使用scipy,sparse创建一个稀疏矩阵。输出应该是一个n x m矩阵，如果x=x和Y=Y，则其条目为1。 下面是数据结构的示例 所需的输出为 提前致谢
-
问题内容： 使用SciPy / Numpy在Python中连接稀疏矩阵的最有效方法是什么？ 在这里，我使用以下内容： 我想在回归中使用两个预测变量，但是当前格式显然不是我想要的格式。是否有可能获得以下信息： 它太大，无法转换为深格式。 问题答案： 您可以使用来连接行数相同的稀疏矩阵（水平串联）： 同样，您可以用于将具有相同列数的稀疏矩阵进行串联（垂直串联）。 使用或将创建带有两个稀疏矩阵对象的数组
-
问题内容： 我在用PyTables存储numpy csr_matrix时遇到问题。我收到此错误： 我的代码： 有任何想法吗？ 谢谢 问题答案： 一个CSR矩阵可以从它的完全重建，和属性。这些只是常规的numpy数组，因此将它们作为3个单独的数组存储在pytables中，然后将它们传递回的构造函数应该没有问题。请参阅scipy文档。 编辑： Pietro的答案已指出该成员也应存储
-
在使用numpy的python中，假设我有两个矩阵： 稀疏矩阵 密集的x*y矩阵 现在我想做，它将返回一个密集的矩阵。 但是，我只关心中非零的单元格，这意味着如果我这样做了，对我的应用程序不会有任何影响 <代码>S\u=S*S\u 显然，这将是对操作的浪费，因为我想把在
-
稀疏矩阵(Sparse Matrix) 注：压缩存储的矩阵可以分为特殊矩阵和稀疏矩阵。对于那些具有相同元素或零元素在矩阵中分布具有一定规律的矩阵，被称之为特殊矩阵。对于那些零元素数据远远多于非零元素数目，并且非零元素的分布没有规律的矩阵称之为稀疏矩阵。 1. 稀疏矩阵的概念 在矩阵中，若数值为0的元素数目远远多于非0元素的数目时，则称该矩阵为稀疏矩阵。与之相反，若非0元素数目占大多数时，则称该矩阵