Python、scipy coo_matrix 中的共现矩阵

Question

我有一个文档术语矩阵，它是根据语料库中术语的共同出现构建的，正如所解释的那样 here:

vocabulary = {}  # map terms to column indices
data = []        # values (maybe weights)
row = []         # row (document) indices
col = []         # column (term) indices

import scipy
for i, doc in enumerate(bloblist):
for term in doc:
    # get column index, adding the term to the vocabulary if needed
    j = vocabulary.setdefault(term, len(vocabulary))
    data.append(1)  # uniform weights
    row.append(i)
    col.append(j)
A = scipy.sparse.coo_matrix((data, (row, col)))

>>>print A

(0, 0)  1
(0, 1)  1
(0, 2)  1
(0, 3)  1
...

现在我想将它导出到csv 或写入db。我不知道该怎么做，我不知道如何处理稀疏矩阵。

当我尝试时，我总是收到此错误：

TypeError: 'coo_matrix' object has no attribute '__getitem__'

Answer 1

请查看 input/output section of scipy. You can use mmwrite to write the matrix using the matrix market format，这是稀疏矩阵存储的标准格式。

创建随机稀疏矩阵并将其写为 MM 文件的示例如下：

>>> import scipy.sparse
>>> A = scipy.sparse.rand(20, 20)
>>> print A
  (3, 4)    0.0579085844686
  (14, 9)   0.914421740712
  (15, 10)  0.622861279405
  (5, 17)   0.83146022149
>>> import scipy.io
>>> scipy.io.mmwrite('output', A)

output.mtx的内容：

→ cat output.mtx 
%%MatrixMarket matrix coordinate real general
%
20 20 4
4 5 0.05790858446861069
15 10 0.9144217407118101
16 11 0.6228612794046831
6 18 0.8314602214903816

Answer 2

scipy 有多种稀疏矩阵格式。您可以使用 to_csc() 或 to_csr() 等方法将矩阵转换为其他类型之一，这些方法允许访问其成员

Python、scipy coo_matrix 中的共现矩阵

Co occurrence Matrix in Python, scipy coo_matrix

python

scipy

sparse-matrix