结合python字典和稀疏矩阵

我已经为一组文本特性创建了python字典。我在python中使用libsvm进行分类，它采用稀疏矩阵作为输入。输入应为：

：：…

表单是否有任何方法可以将我的字典转换为libsvm格式。我试图将其保存在csv文件中，并转换为稀疏矩阵格式。但是我在转换为csv文件时遇到了一些错误。我的字典是这样的：

{0: {0: 1, 1: 0, 2: 0, 3: 0, 4: 0, 5: 0, 6: 0, 7: 0, 8: 0, 9: 0, 10: 0, 11: 0, 12: 0, 13: 0, 14: 0,
 15: 0, 16: 0, 17: 0, 18: 0, 19: 0, 20: 0, 21: 0, 22: 0, 23: 0, 24: 0, 25: 0}, 1: {0: 1, 1: 1, 2: 0, 3:
 1, 4: 0, 5: 0, 6: 1, 7: 0, 8: 0, 9: 1, 10: 0, 11: 0, 12: 0, 13: 0, 14: 0, 15: 0, 16: 0, 17: 0, 18: 0, 
19: 0, 20: 0, 21: 0, 22: 0, 23: 0, 24: 0, 25: 0}, 2: {0: 1, 1: 0, 2: 0, 3: 1, 4: 0, 5: 0, 6: 0, 7: 0,
 8: 0, 9: 0, 10: 0, 11: 0, 12: 0, 13: 0, 14: 0, 15: 0, 16: 0, 17: 0, 18: 0, 19: 0, 20: 0, 21: 0, 22: 0,
 23: 0, 24: 0, 25: 0}....}

我用来转换并保存在csv文件中的代码是：

writer = csv.writer(open('/home/gew/python_docs/feature_tags.csv', 'wb'))
for key, value in features_tags.items():
    writer.writerows([key,value])

但是我得到一个错误

error:sequence expected

这只是我要在libsvm中使用的特征的一个子集，在将其转换为稀疏矩阵后，是否有任何方法可以组合这两个稀疏矩阵以形成libsvm的特征向量。其他特征已经是稀疏矩阵形式。我使用dump_svmlight_文件将tf idf保存为libsvm格式：

-1 491:0.0776333443740911 1161:0.4481444868908682 1220:0.09787659944322356 1297:0.09091558887557132
 1518:0.2558810794182657 1663:0.1000883672992121 1806:0.09191664928182955 2296:0.1493814956302894
+1 5749:0.1493814956302894 5819:0.1200273208236481 5843:0.1493814956302894 5859:0.1087982845232741
 5966:0.1076151102064468 6182:0.1730733336818764 6238:0.07999390379552077 6389:0.07944410971663282
+1 ...........

-1和+1是类标签。它总共包含大约6500个功能。我如何结合这两个特征，因为它是为同一文本形成一个特征向量的libsvm。因此，字典中的特征可能从6501键开始。是否有任何库可以用于将字典转换为libsvm形式并组合两个稀疏矩阵