将列表转换为二维numpy矩阵

Question

我有一个python列表。清单如下：

[[196, 242, 3], 
 [186, 302, 3], 
 [22, 377, 1],
 [196, 377, 3],
 ....
 ]

第一列对应于用户（1:943），第二列对应于项目（1:1682）及其对项目的投票。我想试试矩阵分解library。我应该创建一个用户x项目矩阵吗？如果是的话，我如何在python中创建一个这样的矩阵，一个轴是用户的大小，另一个轴是项目的大小，值是用户的投票数？你知道吗

编辑：我还检查不高于它需要一个二维矩阵作为输入，而不是一个列表或稀疏表示。你知道吗

Answer 1

您的数据看起来像一个列表列表：

In [168]: ll = [[196, 242, 3], 
     ...:  [186, 302, 3], 
     ...:  [22, 377, 1],
     ...:  [196, 377, 3]]

从中生成一个数组-以便于执行以下操作

In [169]: A = np.array(ll)
In [170]: ll
Out[170]: [[196, 242, 3], [186, 302, 3], [22, 377, 1], [196, 377, 3]]
In [171]: A
Out[171]: 
array([[196, 242,   3],
       [186, 302,   3],
       [ 22, 377,   1],
       [196, 377,   3]])

将索引列移到0基（可选）

In [172]: A[:,:2] -= 1

使用这种方法，可以使用coo（或csr）格式，即(data, (rows, cols))，快速而简单地定义稀疏矩阵。迭代dok方法是可行的，但速度更快。你知道吗

In [174]: from scipy import sparse
In [175]: M = sparse.csr_matrix((A[:,2],(A[:,0], A[:,1])), shape=(942,1681))
In [176]: M
Out[176]: 
<942x1681 sparse matrix of type '<class 'numpy.int32'>'
    with 4 stored elements in Compressed Sparse Row format>
In [177]: print(M)
  (21, 376) 1
  (185, 301)    3
  (195, 241)    3
  (195, 376)    3

M.A从这个稀疏矩阵创建一个密集数组。一些代码，尤其是sckit-learn包中的代码可以直接使用稀疏矩阵。你知道吗

创建密集阵列的直接方法是：

In [183]: N = np.zeros((942,1681),int)
In [184]: N[A[:,0],A[:,1]]= A[:,2]
In [185]: N.shape
Out[185]: (942, 1681)
In [186]: M.A.shape
Out[186]: (942, 1681)
In [187]: np.allclose(N, M.A)   # it matches the sparse version
Out[187]: True