numpy数组到scipy.sparse矩阵

给定一个任意numpy数组（

ndarray

），是否有函数或短方法将其转换为

scipy.sparse

矩阵

我想要的是这样的：

A = numpy.array([0,1,0],[0,0,0],[1,0,0])
S = to_sparse(A, type="csr_matrix")

---

我通常做类似的事情

>>> import numpy, scipy.sparse
>>> A = numpy.array([[0,1,0],[0,0,0],[1,0,0]])
>>> Asp = scipy.sparse.csr_matrix(A)
>>> Asp
<3x3 sparse matrix of type '<type 'numpy.int64'>'
    with 2 stored elements in Compressed Sparse Row format>

导入numpy，scipy.sparse >>>A=numpy.array（[[0,1,0]，[0,0,0]，[1,0,0]]） >>>Asp=scipy.sparse.csr_矩阵（A） >>>Asp

---

帮助中有一个非常有用和相关的示例

import scipy.sparse as sp
help(sp)

这使得：

Example 2
---------

Construct a matrix in COO format:

>>> from scipy import sparse
>>> from numpy import array
>>> I = array([0,3,1,0])
>>> J = array([0,3,1,2])
>>> V = array([4,5,7,9])
>>> A = sparse.coo_matrix((V,(I,J)),shape=(4,4))

还值得注意的是，各种构造函数（同样来自帮助）：

您的示例非常简单：

S = sp.csr_matrix(A)

---

请参阅以下答案：

---

在这个回答中，我已经解释了如何将二维NumPy矩阵转换为CSR或CSC格式。

@clstaudt我不确定您要找的是什么，

sp.CSR\u矩阵（a）

将从密集的NumPy数组

a

构造一个

CSR

类型矩阵，而

sp.CSC\u矩阵（a）

将构造类型

csc

矩阵等。。。构造函数是您正在寻找的高效转换函数（尽管请阅读帮助中的注意事项）。您是对的，构造函数完成了我正在寻找的转换。我希望他们只接受与条目存储方式相对应的参数，比如：A=sparse.coo_matrix（（V，（I，J）），shape=（4,4））Hm，这很简单，我应该试试看。我没想到构造函数会进行转换。这也适用于其他稀疏矩阵类型的构造函数。

S = sp.csr_matrix(A)