Python numpy array.tolist（）和scipy.sparse tolist（）之间的区别是什么

使用numpy我得到

import numpy as np
from scipy.sparse import lil_matrix

将测试列表作为包含6个元素的列表提供。但是当我使用scipy.sparse时

test_mat = (np.ones((4,6)))
test_list = test_mat[0,:].tolist()

将

test\u list

作为一个包含一个元素的列表，该列表依次包含6个元素（

test\u list[0]

包含6个元素）

有人能给我解释一下导致这种差异的潜在机制吗？

---

感谢这是因为

lil_matrix.todense（）

返回一个numpy

matrix

，它始终具有

ndim=2

，而不是numpy

ndarray

，当在切片中仅选择一行/列时，它将降低其维度。矩阵/数组的维数在转换为列表格式时保留

要查看阵列中的二维行为，请将其切片为：

test_mat = lil_matrix(np.ones((4,6)))
test_list = test_mat[0,:].todense().tolist()

或者，通过以下方式启动：

test_mat = np.ones((4,6))
test_list = test_mat[0:1,:].tolist()

您将看到2d列表，就像您从

lil\u矩阵中看到的一样

以下是您在转换为列表之前拥有的内容：

test_mat = np.matrix(np.ones((4,6)))
test_list = test_mat[0:1,:].tolist()

使用不减少维度的切片：

In [137]: ma = np.ones((4,6))

In [138]: mm = np.matrix(np.ones((4,6)))

In [139]: ms = lil_matrix(np.ones((4,6)))

In [141]: ma[0,:]
Out[141]: array([ 1.,  1.,  1.,  1.,  1.,  1.])

In [142]: mm[0,:]
Out[142]: matrix([[ 1.,  1.,  1.,  1.,  1.,  1.]])

In [143]: ms[0,:].todense()
Out[143]: matrix([[ 1.,  1.,  1.,  1.,  1.,  1.]])

上面方括号的数量是关键。看看它们的形状：

In [144]: ma[0:1,:]
Out[144]: array([[ 1.,  1.,  1.,  1.,  1.,  1.]])

这是实施
阵列
和密集矩阵的结果：
当您索引
数组时，如中所示

In [145]: ma[0:1,:].shape
Out[145]: (1, 6)

In [146]: ma[0,:].shape
Out[146]: (6,)

In [147]: mm[0,:].shape
Out[147]: (1, 6)

In [148]: ms[0,:].shape
Out[148]: (1, 6)

你需要一个新的1D阵列

但是，在稀疏矩阵上执行相同的索引时，结果是1x6稀疏矩阵。请注意，这仍然是一个二维矩阵，其中一个维度的长度恰好为1

由于
tolist（）
返回一个表示矩阵的列表，因此可以得到从
数组中获得的1D对象的简单列表以及包含稀疏矩阵行的2D“列表列表”

test_list = test_mat[0,:]