如何将“SciPy 稀疏矩阵”转换为“NumPy 矩阵”？

Question

我正在使用一个名为“incidence_matrix(G)”的Python函数，它返回图的事件矩阵。它来自 Networkx 包。我面临的问题是该函数的返回类型是“Scipy Sparse Matrix”。我需要 numpy 矩阵或数组格式的事件矩阵。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完成此转换？

谢谢

Answer 1

scipy.sparse.*_matrix

有几种有用的方法，例如，如果

a

是例如

scipy.sparse.csr_matrix

：

• a.toarray()

  - 返回该矩阵的密集 ndarray 表示。 （

  numpy.array

  ，推荐）

• a.todense()

  - 返回该矩阵的密集矩阵表示。 (

  numpy.matrix

  )

以前，这些方法有简写（

.A

表示

.toarray()

，

.M

表示

.todense()

），但从 Scipy v1.14.0 开始，这些方法已经或将被弃用。

Answer 2

我发现，对于 csr 矩阵，

todense()

和

toarray()

只是包装元组，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 分类器来说是无法使用的。

我将其转换为 lil 矩阵——一种 numpy 可以准确解析的格式，然后运行

toarray()

：

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

Answer 3

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.]])