如何将“SciPy 稀疏矩阵”转换为“NumPy 矩阵”？答案

【问题标题】：How do I transform a "SciPy sparse matrix" to a "NumPy matrix"?如何将“SciPy 稀疏矩阵”转换为“NumPy 矩阵”？
【发布时间】：2014-12-21 23:31:20
【问题描述】：

我正在使用一个名为“incidence_matrix(G)”的 python 函数，它返回图形的事件矩阵。它来自 Networkx 包。我面临的问题是这个函数的返回类型是“Scipy Sparse Matrix”。我需要有 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做这个转换？

谢谢

【问题讨论】：

实际上是的，它可以工作并为您提供一个数组。我正在寻找一种直接（使用python函数）获取全零和一的矩阵的方法。但是谢谢你，如果我找不到更好的东西，我想最后我会选择数组。
另外，你可能想看看this。
是的，我用过，但问题是当你使用它时，它只将整个稀疏矩阵存储为矩阵中的一个元素。当你想打印它时，你会看到这个：[['，带有8个压缩稀疏列格式的存储元素>]]
numpy.matrix(numpy.array(<your_matrix_object>)) 呢？
好的。我想这就是你想要的numpy.matrix(<your_matrix_object>.toarray())。

标签： python numpy scipy sparse-matrix networkx

【解决方案1】：

scipy.sparse.*_matrix 有几个有用的方法，例如，如果 a 是例如scipy.sparse.csr_matrix:

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

【讨论】：

这两个属性有短别名：如果你的稀疏矩阵是a，那么a.M返回一个密集的numpy矩阵对象，a.A返回一个密集的numpy数组对象。除非你有很好的理由（你可能没有！），坚持使用 numpy 数组，即a.A，并远离 numpy 矩阵。

【解决方案2】：

我发现在 csr 矩阵的情况下，todense() 和 toarray() 只是简单地包装了元组，而不是以矩阵形式生成数据的 ndarray 格式版本。这对于我正在训练的 skmultilearn 分类器是不可用的。

我把它翻译成lil matrix——一种numpy可以准确解析的格式，然后在上面运行toarray()：

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

【讨论】：

【解决方案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.]])

【讨论】：