Question

我正在使用名为＆＃34; incidence_matrix（G）＆＃34;的python函数，它返回图的事件矩阵。它来自Networkx包。我面临的问题是这个函数的返回类型是＆＃34; Scipy Sparse Matrix＆＃34;。我需要使用numpy矩阵或数组格式的Incident矩阵。我想知道是否有任何简单的方法可以做到这一点？或者是否有任何内置函数可以为我做这种转换？

由于

Answer 1

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

a.todense()或a.M - 返回此矩阵的密集矩阵表示。（numpy.matrix）
a.toarray()或a.A - 返回此矩阵的密集ndarray表示。（numpy.array）

Answer 2

最简单的方法是对数据调用todense（）方法：

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.]])

Answer 3

我发现在csr矩阵的情况下，todense()和toarray()只是包装了元组，而不是以矩阵形式生成数据的ndarray格式化版本。这对于我训练的skmultilearn分类器是无法使用的。

我将其翻译为lil matrix - 格式numpy可以准确解析，然后在其上运行toarray()：

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

如何转换＆＃34; SciPy稀疏矩阵＆＃34;一个＆＃34; NumPy矩阵＆＃34;？

3 个答案: