如何在Python中手动创建稀疏矩阵

我有一个文本文件，其中包含表示稀疏矩阵的数据，格式如下：

0 234 345
0 236 
0 345 365 465
0 12 35 379

数据用于分类任务，每一行都可以被视为一个特征向量。每行中的第一个值表示一个标签，其后的值表示各个要素的存在

我试图用这些值创建一个稀疏矩阵（用于scikit学习的机器学习任务）。我已经找到并阅读了，但我无法理解如何用这样的源数据增量构建稀疏矩阵

到目前为止，我找到的示例显示了如何获取稠密矩阵并将其转换，或者如何使用人为数据创建本机稀疏矩阵，但在这里没有帮助我的示例。我确实发现了这个相关的SO问题（），但该示例假设您知道最大列数和行大小，而我不知道，因此数据类型似乎不合适

到目前为止，我有以下代码来阅读文档并将值解析为合理的内容：

def get_sparse_matrix():
    matrix = []
    with open("data.dat", 'r') as f:
        for i, line in enumerate(f):
            row = line.strip().split()
            label = row[0]
            features = entry[1:]
            matrix.append([(i, col) for col in features])

    sparse_matrix = #magic happens here

    return sparse_matrix

所以问题是,

• 这里使用的适当稀疏矩阵类型是什么
• 我用我的代码朝着正确的方向前进了吗

---

非常感谢您的帮助。

您可以使用

coo\u matrix（）

：

以下是检查结果的代码：

np.where(m.toarray())

输出：

(array([0, 0, 1, 2, 2, 2, 3, 3, 3]),
 array([234, 345, 236, 345, 365, 465,  12,  35, 379]))

---

我不理解格式，对于矩阵中的每个元素，都需要

行、

列和

值

。

值信息在哪里？要以增量方式创建稀疏矩阵，可以使用：如果它需要一个值，那么它可以是1或True。这就清楚了吗？@HYRY hanks获得了关于dok_矩阵的提示，但我在初始化dok_矩阵时不还需要知道总列数吗？我的问题的一部分是，我不能可靠地知道最大COL值是多少。我可以编写一个脚本，找出给定数据文件的最大值，但我认为可能存在一些不需要我指定的现有scipy稀疏矩阵数据类型。

(array([0, 0, 1, 2, 2, 2, 3, 3, 3]),
 array([234, 345, 236, 345, 365, 465,  12,  35, 379]))