Python 将行-列值数据转换为数组-numpy_Python_Arrays_Numpy_Reshape

Python 将行-列值数据转换为数组-numpy

python arrays numpy

Python 将行-列值数据转换为数组-numpy,python,arrays,numpy,reshape,Python,Arrays,Numpy,Reshape,我有长格式的数据，存储行#、列#和值，如下所示： ROW COLUMN VALUE 1 1 1 1 3 3 2 1 1 2 2 2 3 1 1 3 2 2 3 3 3 请注意，缺少某些行、列组合（例如，行=1和列=2没有值）。我想把它转换成一个3x3的数组。缺少的行-列组合由0填充： 1

我有长格式的数据，存储行#、列#和值，如下所示：

ROW  COLUMN   VALUE
  1       1       1
  1       3       3
  2       1       1
  2       2       2
  3       1       1
  3       2       2
  3       3       3

请注意，缺少某些行、列组合（例如，行=1和列=2没有值）。我想把它转换成一个3x3的数组。缺少的行-列组合由0填充：

   1    0   3
   1    2   0
   1    2   3

我解决这个问题的最初方法是声明一个空的3x3数组，将三列读入为1d数组，循环行和列，并基于值数组更新数组。对于小维度的情况，这似乎是可行的，但对于更高维度，这似乎不是“Pythonic”的方法。这个问题在

numpy

软件包中的一些固定函数中解决了吗？我查看了

重塑

——但这假设没有丢失值。

一旦在numpy数组中有了行、列和值，就可以执行如下操作。（请注意，我采用了更具python风格的方法，将基于0的索引放入

行

和

列

）

以下是一维数组中的数据：

In [13]: row = np.array([0, 0, 1, 1, 2, 2, 2])

In [14]: col = np.array([0, 2, 0, 1, 0, 1, 2])

In [15]: values = np.array([11, 12, 13, 14, 15, 16, 17])

创建一个二维数组来保存这些值。我使用

行

和

列

中的最大值来计算数组应该有多大。如果

行

和

列

不一定包括最后一行或最后一列中的值，则可以使用其他一些值

In [16]: a = np.zeros((row.max()+1, col.max()+1), dtype=values.dtype)

现在用这个赋值填充这些值

In [17]: a[row, col] = values

等等：

你的例子是一个3x3数组，但是如果你实际上有更大的数组而不是很多条目，你可以考虑使用A。例如，您可以使用以下方法从上述相同数据创建“COO”矩阵：

[25]中的

：来自scipy.sparse导入coo_矩阵
在[26]中：c=coo_矩阵（（值，（行，列）），形状=（行最大值+1，列最大值+1））
In[27]：c
出[27]：
在[28]中：c.A
出[28]：
数组（[[11,0,12]，
[13, 14,  0],
[15, 16, 17]])

在numpy数组中获得行、列和值后，可以执行以下操作。（请注意，我采用了更具python风格的方法，将基于0的索引放入

行

和

列

）