以 ijv/coo/triplet 格式加载矩阵的最 pythonit 方法是什么？

Question

我的输入文件是ijv/coo/triplet格式的字符串列名，例如:

Apple,Google,1
Apple,Banana,5
Microsoft,Orange,2

应该得到这个2x3矩阵:

[[1,5,0], [0,0,2]]

我可以通过将列名放入字典并使用该字典映射到id创建一个scipy sparse coo_matrix来手动读取它。我想把它放在scipy sparse或者pandas dataframe中。

还有什么更python的方法吗?熊猫只能读csv，有scipy.io，但是它们也没有coo格式。那么，如果没有库，将它放入scipy.coo_matrix或pandas.DataFrame的最python的方法是什么?

Answer 1

您需要定义从行/列名称到某些索引的明确映射("Apple"是"0"还是"1"并不重要，只是它由数字表示，因此这不会完全匹配您的结果，但这应该无关紧要)。在本例中，'info.txt'包含

Apple,Google,1
Apple,Banana,5
Microsoft,Orange,2

这是实现坐标矩阵的一种方法:

import numpy as np
from scipy.sparse import coo_matrix
input = np.loadtxt( 'info.txt', delimiter=',' , dtype=str)
rows,cols,data = input.T
map_rows = { val:ind for ind,val in enumerate( np.unique(rows) ) }
map_cols = { val:ind for ind,val in enumerate( np.unique(cols) ) }
result   = coo_matrix( (data.astype(float),( [map_rows[x] for x in rows], [map_cols[x] for x in cols]) ) )    

现在您有了映射和结果

print map_rows
#{'Apple': 0, 'Microsoft': 1}
print map_cols
#{'Banana': 0, 'Google': 1, 'Orange': 2}
print result.toarray()
#array([[ 5.,  1.,  0.],
#       [ 0.,  0.,  2.]])

Answer 2

您可以使用csv:

matrix = []
with open('input_file', 'rb') as csvfile:
     input_reader = csv.reader(csvfile, delimiter=',')
     for row in input_reader:
         matrix.append([row[0], row[1], row[2]])

在matrix:

[['Apple', 'Google', '1'], ['Apple', 'Banana', '5'], ['Microsoft', 'Orange', '2']]

如果你想要一个numpy矩阵，我相信根据文档这应该工作:

nm_matrix = np.matrix(matrix)

Answer 3

[line.split(",") for line in open(input_file)]会工作吗?

该代码将读取文件中的每一行，分成逗号分隔的行，并将结果收集到一个列表中。