Python 如何在scipy中创建评级csr_矩阵？

我有一个以下格式的csv文件：

userId  movieId rating  timestamp
1     31      2.5   1260759144
2     10      4     835355493
3     1197    5     1298932770
4     10      4     949810645

我想构造一个稀疏矩阵，行作为userId，列作为movieID。 我已将所有数据存储为一个名为“column”的字典，其中列['user']包含用户ID，列['movie']包含电影ID，列['ratings']包含以下分级：

f = open('ratings.csv','rb')
reader = csv.reader(f)
headers = ['user','movie','rating','timestamp']
column = {}
for h in headers:
    column[h] = []
for row in reader:
    for h, v in zip(headers, row):
        column[h].append(float(v))

当我将稀疏矩阵函数调用为：

mat = scipy.sparse.csr_matrix((column['rating'],(column['user'],column['movie'])))

我得到“TypeError:无效形状”

请帮忙

scipy.sparse.csr_matrix([column['rating'],column['user'],column['movie']])

您有一个元组，由1xn维列表和2xn维列表组成，这两个列表将不起作用

附言：为了读取数据，你应该试试熊猫：-）（）。最简单的例子：

import pandas as pd

# Setup a dataframe from the CSV and make it sparse
df = pd.read_csv('ratings.csv')
df = df.to_sparse(fill_value=0)
print(df.head())

按此方式检查：

df = pd.read_csv('f:\\train.csv', usecols=[0, 1, 2], names=['userId ', 
                   'movieID', 'ratings'], skiprows=1)
from scipy.sparse import csr_matrix
utility_csr = csr_matrix((df.ratings, (df.userId , df.movieID)))

---

这不会为行作为用户、列作为电影和[行，列]作为评级创建稀疏矩阵？我们如何创建一个稀疏矩阵，其中用户为行，电影为列，评级为[row，column]处的值？原始命令“mat=scipy.sparse.csr_matrix（（column['rating']，（column['user']、column['movie']）是正确的，但列['user']、列['rating']和列['movie]除外在使用函数之前要转换为数组。