如何hstack几个稀疏矩阵（特征矩阵）？

Question

我有 3 个稀疏矩阵：

In [39]:

mat1


Out[39]:
(1, 878049)
<1x878049 sparse matrix of type '<type 'numpy.int64'>'
    with 878048 stored elements in Compressed Sparse Row format>

In [37]:

mat2


Out[37]:
(1, 878049)
<1x878049 sparse matrix of type '<type 'numpy.int64'>'
    with 744315 stored elements in Compressed Sparse Row format>

In [35]:

mat3



Out[35]:
(1, 878049)
<1x878049 sparse matrix of type '<type 'numpy.int64'>'
    with 788618 stored elements in Compressed Sparse Row format>

从documentation 中，我了解到hstack、vstack 和concatenate 可以使用此类矩阵。于是我尝试hstack他们：

import numpy as np

matrix1 = np.hstack([[address_feature, dayweek_feature]]).T
matrix2 = np.vstack([[matrix1, pddis_feature]]).T


X = matrix2

但是，尺寸不匹配：

In [41]:

X_combined_features.shape

Out[41]:

(2, 1)

请注意，我正在堆叠此类矩阵，因为我想将它们与 scikit-learn 分类算法一起使用。因此，我应该如何hstack多个不同的稀疏矩阵？。

Answer 1

使用sparse 版本的vstack。作为一般规则，您需要使用稀疏函数和方法，而不是具有相似名称的numpy。 sparse 矩阵不是 numpy ndarray 的子类。

但是，您的 3 个三个矩阵看起来并不稀疏。它们是 1x878049。一个有 878048 个非零元素 - 这意味着只有一个 0 元素。

因此，您也可以将它们变成密集数组（使用.toarray() 或.A）并使用np.hstack 或np.vstack。

np.hstack([address_feature.A, dayweek_feature.A])

并且不要使用双括号。所有连接函数都采用数组的简单列表或元组。并且该列表可以有超过 2 个数组

In [296]: A=sparse.csr_matrix([0,1,2,0,0,1])

In [297]: B=sparse.csr_matrix([0,0,0,1,0,1])

In [298]: C=sparse.csr_matrix([1,0,0,0,1,0])

In [299]: sparse.vstack([A,B,C])
Out[299]: 
<3x6 sparse matrix of type '<class 'numpy.int32'>'
    with 7 stored elements in Compressed Sparse Row format>

In [300]: sparse.vstack([A,B,C]).A
Out[300]: 
array([[0, 1, 2, 0, 0, 1],
       [0, 0, 0, 1, 0, 1],
       [1, 0, 0, 0, 1, 0]], dtype=int32)

In [301]: sparse.hstack([A,B,C]).A
Out[301]: array([[0, 1, 2, 0, 0, 1, 0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 1, 0]], dtype=int32)

In [302]: np.vstack([A.A,B.A,C.A])
Out[302]: 
array([[0, 1, 2, 0, 0, 1],
       [0, 0, 0, 1, 0, 1],
       [1, 0, 0, 0, 1, 0]], dtype=int32)