Python 整数列表中的Scipy稀疏数组

我有一个整数列表（实际上是一个熊猫系列），我想将其转换为稀疏矩阵，对于该矩阵，行

I

在

j

处只有一个非零值，该索引由列表的

I

第个元素定义。有点像问题中提到的：

现在，我首先将数据转换为密集矩阵，如下所示：

def cat_to_mat(c, mat_length):
    res = np.zeros((len(c), mat_length))
    res[np.arange(len(c)), c.values % mat_length] = 1
    return res

然后我对结果数组调用

csr\u矩阵

。然而，生成一个密集的矩阵并扔掉其中的大部分元素似乎是一种浪费

---

我知道像

sklearn.preprocessing.onehotcoder

这样的工具，但它们并不真正适合，因为我想避免调用

fit（）

方法：我想确保数据的（稀疏）表示只取决于

c

和

mat\u长度

（而不是以前提供给OneHotEncoder的一些数据）

似乎很简单。我是否误解了这个问题

from scipy import sparse

def cat_to_mat(c, mat_length):
    return sparse.csc_matrix((c, (len(c), c % mat_length)), shape=(len(c), mat_length))

---

不，这很好，我不熟悉这些矩阵的构造函数……我应该从那里开始，谢谢：）