从 csr_matrix 访问元素答案

【问题标题】：Access element from csr_matrix从 csr_matrix 访问元素
【发布时间】：2021-06-16 18:24:09
【问题描述】：

我使用Scipy dok_matrix 方法创建了一个稀疏矩阵，如下所示：

sparse_dtm = dok_matrix((num_documents, vocabulary_size), dtype=np.float32)
for doc_index, document in enumerate(data_list):
    document_counter = Counter(document)
    for word in set(document):
        sparse_dtm[doc_index, word_index[word]] = document_counter[word]

其中data_list 是带有标记化文本的列表列表。

创建sparse_dtm 后，我想检索第一行的所有值。

从documentation 我知道我可以使用.getrow() 方法从行i 中获取所有元素。

但是，到目前为止，我无法检索存储在 csr_matrix 中的键/值：

sparse_dtm.getrow(0).keys()
AttributeError: keys not found

sparse_dtm.getrow(0)[0]
<1x90140 sparse matrix of type '<class 'numpy.float32'>'
    with 576 stored elements in Compressed Sparse Row format>

sparse_dtm 确实包含正确的信息：

print(sparse_dtm.getrow(0))
Output: (0, 21018)    6.0
        (0, 76741)    3.0
        (0, 14008)    1.0
        (0, 54143)    2.0
        (0, 11866)    1.0
        ...

如何从行 i 访问元素并检索其键和值？

【问题讨论】：

sparse dok 格式是dict 的子类，但csr 不是。它的数据存储在 3 个数组中，分别称为 data、indices 和 indptr。 getrow 返回一个新的csr 矩阵，形状为 (1,n). The print` 显示索引和值，但不指示矩阵的存储方式。

标签： python-3.x dictionary scipy sparse-matrix

【解决方案1】：

获取值：

sparse_p_ij = dok_matrix((num_documents, vocabulary_size), dtype=np.float32)
row_zero = self.sparse_dtm.getrow(0).toarray()[0]

这提供了所有值。要获取每个值的键，请取非零值的索引：

indices = row_zero.nonzero()[0]

然后将这些值提供给index_to_word，我创建如下：

word_to_index = dict()
index_to_word = dict()

for i, word in enumerate(vocabulary):
    word_to_index[word] = i
    index_to_word[i] = word

其中vocabulary 是语料库中所有单词的集合。

【讨论】：