从numpy python中的稀疏矩阵生成密集矩阵

Question

我有一个Sqlite数据库，其中包含以下类型的架构：

termcount(doc_num, term , count)

该表包含术语及其在文档中的各自计数。喜欢

(doc1 , term1 ,12)
(doc1, term 22, 2)
.
.
(docn,term1 , 10)

该矩阵可以被视为稀疏矩阵，因为每个文档都包含很少的具有非零值的项。

我将如何使用numpy从稀疏矩阵创建密集矩阵，因为我必须使用余弦相似度来计算文档之间的相似度。

这个密集的矩阵看起来像一个表格，第一列为docid，所有术语列为第一行，其余单元格将包含计数。

Answer 1

我用熊猫解决了这个问题。因为我们要保留文档ID和术语ID。

from pandas import DataFrame

# A sparse matrix in dictionary form (can be a SQLite database). Tuples contains doc_id        and term_id. 
doc_term_dict={('d1','t1'):12, ('d2','t3'):10, ('d3','t2'):5}

#extract all unique documents and terms ids and intialize a empty dataframe.
rows = set([d for (d,t) in doc_term_dict.keys()])  
cols = set([t for (d,t) in doc_term_dict.keys()])
df = DataFrame(index = rows, columns = cols )
df = df.fillna(0)

#assign all nonzero values in dataframe
for key, value in doc_term_dict.items():
    df[key[1]][key[0]] = value

print df

输出：

    t2  t3  t1
d2  0  10   0
d3  5   0   0
d1  0   0  12