将 Pandas DataFrame 转换为稀疏矩阵

Question

这是我的代码：

data=pd.get_dummies(data['movie_id']).groupby(data['user_id']).apply(max)

df=pd.DataFrame(data)

replace=df.replace(0,np.NaN)

t=replace.fillna(-1)

sparse=sp.csr_matrix(t.values)

我的数据由两列组成，分别是 movie_id 和 user_id。

 user_id      movie_id

   5             1000 

   6             1007 

我想将数据转换为稀疏矩阵。我首先创建了一个交互矩阵，其中行表示 user_id，列表示 movie_id，正交互为 +1，负交互为 -1。然后我使用 scipy 将其转换为稀疏矩阵。我的结果如下所示：

(0,0) -1

(0,1) -1

(0,2) 1

但我真正想要的是：

(1000,0) -1

(1000,1) 1

(1007,0) -1

任何帮助将不胜感激。

Answer 1

如果您同时拥有行索引和列索引（在您的情况下分别为 movie_id 和 user_id），建议使用 COO 格式进行创建。

您可以将其转换为稀疏格式，如下所示：

import scipy
sparse_mat = scipy.sparse.coo_matrix((t.values, (df.movie_id, df.user_id)))

重要的是，请注意构造函数如何通过将电影 ID 和用户 ID 作为数据参数传递来给出稀疏矩阵的隐式形状。
此外，您可以将此矩阵转换为您想要的任何其他稀疏格式，例如 CSR。