以ijv/coo/triplet格式加载矩阵的最重要的丙酮方法是什么？

Question

我的输入文件是ijv/coo/triplet格式，带有字符串列名，例如：

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

应该产生这个2x3矩阵：

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

我可以手动读取它，方法是将列名放到字典中，并创建一个can稀疏coo_matrix，并将其映射到ID。我想让它在枕木稀疏或熊猫的数据在最后。

还有更多的琵琶的方法吗？熊猫只能阅读csv，有scipy.io，但它们也没有coo格式。因此，如果没有库，什么是进入scipy.coo_matrix或pandas.DataFrame的最重要的仿生方法？

Answer 1

您需要定义从行/列名到某些索引的明确映射( "Apple“是"0”还是"1“并不重要，只是它是由一个数字表示的，因此这将与您的结果不完全匹配，但这并不重要)。在本例中，'info.txt'包含

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

以下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

您可以为此使用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]])

那么您将在matrix中得到这个

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

如果您想要从中获得一个numpy矩阵，我相信根据文档，这应该是可行的：

nm_matrix = np.matrix(matrix)

Answer 3

[line.split(",") for line in open(input_file)]会起作用吗？

该代码将读取文件中的每一行，拆分为逗号分隔的行，并将结果收集到列表中。