Python 我如何转换“a”；“SciPy稀疏矩阵”；至“a”；NumPy矩阵“；？

我正在使用一个名为“关联矩阵（G）”的python函数，它返回图形的关联矩阵。它来自Networkx软件包。我面临的问题是这个函数的返回类型是“Scipy稀疏矩阵”。我需要以numpy矩阵或数组的格式创建事件矩阵。我想知道是否有简单的方法可以做到这一点？或者是否有任何内置函数可以为我完成此转换

谢谢

有几种有用的方法，例如，如果

a

是例如

scipy.sparse.csr\u矩阵

：

• a.toarray（）

  或

  a.a

  -返回此矩阵的密集ndarray表示形式。（

  numpy.array

  ，推荐）

• a.todense（）

  或

  a.M

  -返回此矩阵的密集矩阵表示形式。（

  numpy.matrix

  ）

---

最简单的方法是对数据调用todense（）方法：

In [1]: import networkx as nx

In [2]: G = nx.Graph([(1,2)])

In [3]: nx.incidence_matrix(G)
Out[3]: 
<2x1 sparse matrix of type '<type 'numpy.float64'>'
    with 2 stored elements in Compressed Sparse Column format>

In [4]: nx.incidence_matrix(G).todense()
Out[4]: 
matrix([[ 1.],
        [ 1.]])

In [5]: nx.incidence_matrix(G).todense().A
Out[5]: 
array([[ 1.],
       [ 1.]])

[1]中的

：将networkx导入为nx
在[2]中：G=nx.图（[（1,2）]）
[3]：nx.关联矩阵（G）
出[3]：
[4]中：nx.关联矩阵（G）.todense（）
出[4]：
矩阵（[[1.]，
[ 1.]])
[5]中：nx.关联矩阵（G）.todense（）.A
出[5]：
数组（[[1.]，
[ 1.]])

我发现，在csr矩阵的情况下，

todense（）

和

toarray（）

只是包装元组，而不是以矩阵形式生成数据的ndarray格式版本。这对于我正在训练的skmultilearn分类器来说是不可用的

我把它翻译成了一种格式，numpy可以准确地解析，然后运行

toarray（）

：

sparse.lil_matrix(<my-sparse_matrix>).toarray()

sparse.lil_matrix（）.toarray（）

实际上是的，它可以工作并提供一个数组。我一直在寻找一种直接（使用python函数）获得包含所有0和1的矩阵的方法。但是谢谢你，如果我找不到更好的，我想最后我会使用数组。另外，你可能想看看。是的，我用过，但问题是当你使用它时，它只将整个稀疏矩阵作为矩阵中的一个元素存储。当您想要打印它时，您将看到以下内容：[[]]

numpy.matrix（numpy.array（））

？好的。我想这就是你想要的

numpy.matrix（.toarray（））

。这两个属性有很短的别名：如果你的稀疏矩阵是

a

，那么

a.M

返回一个密集的numpy矩阵对象，而

a.a

返回一个密集的numpy数组对象。除非您有很好的理由（而且您可能没有！），否则请坚持使用numpy数组，即

a.a

，并远离numpy矩阵。