Python 如何访问稀疏矩阵元素？
声明：本页面是StackOverFlow热门问题的中英对照翻译，遵循CC BY-SA 4.0协议，如果您需要使用它，必须同样遵循CC BY-SA许可，注明原文地址和作者信息，同时你必须将它归于原作者（不是我）：StackOverFlow
原文地址: http://stackoverflow.com/questions/15115765/
Warning: these are provided under cc-by-sa 4.0 license. You are free to use/share it, But you must attribute it to the original authors (not me):
StackOverFlow
How to access sparse matrix elements?
提问by siamii
type(A)
<class 'scipy.sparse.csc.csc_matrix'>
A.shape
(8529, 60877)
print A[0,:]
(0, 25) 1.0
(0, 7422) 1.0
(0, 26062) 1.0
(0, 31804) 1.0
(0, 41602) 1.0
(0, 43791) 1.0
print A[1,:]
(0, 7044) 1.0
(0, 31418) 1.0
(0, 42341) 1.0
(0, 47125) 1.0
(0, 54376) 1.0
print A[:,0]
#nothing returned
Now what I don't understand is that A[1,:]should select elements from the 2nd row, yet I get elements from the 1st row via print A[1,:]. Also, print A[:,0]should return the first column but I get nothing printed. Why?
现在我不明白的是A[1,:]应该从第二行中选择元素，但我通过print A[1,:]. 此外，print A[:,0]应该返回第一列，但我没有打印任何内容。为什么？
采纳答案by Warren Weckesser
A[1,:]is itself a sparse matrix with shape (1, 60877). Thisis what you are printing, and it has only one row, so all the row coordinates are 0.
A[1,:]本身是一个形状为 (1, 60877) 的稀疏矩阵。 这就是你正在打印的，它只有一行，所以所有的行坐标都是 0。
For example:
例如：
In [41]: a = csc_matrix([[1, 0, 0, 0], [0, 0, 10, 11], [0, 0, 0, 99]])
In [42]: a.todense()
Out[42]:
matrix([[ 1, 0, 0, 0],
[ 0, 0, 10, 11],
[ 0, 0, 0, 99]], dtype=int64)
In [43]: print(a[1, :])
(0, 2) 10
(0, 3) 11
In [44]: print(a)
(0, 0) 1
(1, 2) 10
(1, 3) 11
(2, 3) 99
In [45]: print(a[1, :].toarray())
[[ 0 0 10 11]]
You can select columns, but if there are no nonzero elements in the column, nothing is displayed when it is output with print:
您可以选择列，但如果列中没有非零元素，则输出时不会显示任何内容print：
In [46]: a[:, 3].toarray()
Out[46]:
array([[ 0],
[11],
[99]])
In [47]: print(a[:,3])
(1, 0) 11
(2, 0) 99
In [48]: a[:, 1].toarray()
Out[48]:
array([[0],
[0],
[0]])
In [49]: print(a[:, 1])
In [50]:
The last printcall shows no output because the column a[:, 1]has no nonzero elements.
最后一次print调用没有显示输出，因为该列a[:, 1]没有非零元素。
回答by TheGrimmScientist
To answer your title's question using a different technique than your question's details:
要使用与问题的详细信息不同的技术来回答标题的问题：
csc_matrixgives you the method .nonzero().
csc_matrix给你方法.nonzero()。
Given:
鉴于：
>>> import numpy as np
>>> from scipy.sparse.csc import csc_matrix
>>>
>>> row = np.array( [0, 1, 3])
>>> col = np.array( [0, 2, 3])
>>> data = np.array([1, 4, 16])
>>> A = csc_matrix((data, (row, col)), shape=(4, 4))
You can access the indices poniting to non-zero data by:
您可以通过以下方式访问指向非零数据的索引：
>>> rows, cols = A.nonzero()
>>> rows
array([0, 1, 3], dtype=int32)
>>> cols
array([0, 2, 3], dtype=int32)
Which you can then use to access your data, without ever needing to make a dense version of your sparse matrix:
然后您可以使用它来访问您的数据，而无需制作稀疏矩阵的密集版本：
>>> [((i, j), A[i,j]) for i, j in zip(*A.nonzero())]
[((0, 0), 1), ((1, 2), 4), ((3, 3), 16)]
回答by Satyam
If it is for calculating TFIDF score using TfidfTransformer, yu can get the IDF by tfidf.idf_. Then the sparse array name, say 'a', a.toarray().
如果是使用 计算 TFIDF 分数TfidfTransformer，则可以通过 得到 IDF tfidf.idf_。然后是稀疏数组名称，比如'a'，a.toarray().
toarrayreturns an ndarray; todensereturns a matrix. If you want a matrix, use todense; otherwise, use toarray.
toarray返回一个 ndarray；todense返回一个矩阵。如果你想要一个矩阵，请使用todense; 否则，使用toarray.
回答by Rohan Pillai
I fully acknowledge all the other given answers. This is simply a different approach.
我完全承认所有其他给出的答案。这只是一种不同的方法。
To demonstrate this example I am creating a new sparse matrix:
为了演示这个例子，我创建了一个新的稀疏矩阵：
from scipy.sparse.csc import csc_matrix
a = csc_matrix([[1, 0, 0, 0], [0, 0, 10, 11], [0, 0, 0, 99]])
print(a)
Output:
输出：
(0, 0) 1
(1, 2) 10
(1, 3) 11
(2, 3) 99
To access this easily, like the way we access a list, I converted it into a list.
为了轻松访问它，就像我们访问列表的方式一样，我将其转换为列表。
temp_list = []
for i in a:
temp_list.append(list(i.A[0]))
print(temp_list)
Output:
输出：
[[1, 0, 0, 0], [0, 0, 10, 11], [0, 0, 0, 99]]
This might look stupid, since I am creating a sparse matrix and converting it back, but there are some functions like TfidfVectorizerand others that return a sparse matrix as output and handling them can be tricky. This is one way to extract data out of a sparse matrix.
这可能看起来很愚蠢，因为我正在创建一个稀疏矩阵并将其转换回来，但是有一些函数，如TfidfVectorizer和其他函数返回一个稀疏矩阵作为输出，处理它们可能很棘手。这是从稀疏矩阵中提取数据的一种方法。
