Question

import numpy as np
from scipy.sparse import lil_matrix

使用numpy我得到了

test_mat = (np.ones((4,6)))
test_list = test_mat[0,:].tolist()

将test_list作为包含6个元素的列表。但是，我使用scipy.sparse

test_mat = lil_matrix(np.ones((4,6)))
test_list = test_mat[0,:].todense().tolist()

将test_list作为一个列表，其中包含一个元素，而这个元素又有6个元素（test_list[0]有6个元素）。

有人可以向我解释导致这种差异的潜在机制吗？感谢

Answer 1

这是因为lil_matrix.todense()会返回一个numpy matrix，它总是ndim = 2，而不是numpy ndarray，只会在一行时减少其维度在切片中选择col。矩阵/数组的维度在转换为列表列表格式时保留。

要查看数组中的2d行为，请将其切片为：

test_mat = np.ones((4,6))
test_list = test_mat[0:1,:].tolist()

或者，将其作为：

启动

test_mat = np.matrix(np.ones((4,6)))
test_list = test_mat[0:1,:].tolist()

您将从lil_matrix

中看到第2个列表列表

以下是之前转换为列表时的内容：

In [137]: ma = np.ones((4,6))

In [138]: mm = np.matrix(np.ones((4,6)))

In [139]: ms = lil_matrix(np.ones((4,6)))

In [141]: ma[0,:]
Out[141]: array([ 1.,  1.,  1.,  1.,  1.,  1.])

In [142]: mm[0,:]
Out[142]: matrix([[ 1.,  1.,  1.,  1.,  1.,  1.]])

In [143]: ms[0,:].todense()
Out[143]: matrix([[ 1.,  1.,  1.,  1.,  1.,  1.]])

使用不减小尺寸的切片：

In [144]: ma[0:1,:]
Out[144]: array([[ 1.,  1.,  1.,  1.,  1.,  1.]])

上面的方括号数是关键。看看他们的形状：

In [145]: ma[0:1,:].shape
Out[145]: (1, 6)

In [146]: ma[0,:].shape
Out[146]: (6,)

In [147]: mm[0,:].shape
Out[147]: (1, 6)

In [148]: ms[0,:].shape
Out[148]: (1, 6)

Answer 2

这是array和密集矩阵的实施结果：当您将array索引为

时

test_list = test_mat[0,:]

你得到一个新的1D阵列。

但是，当您对稀疏矩阵进行相同的索引时，结果是1x6稀疏矩阵。请注意，这仍然是一个2D矩阵，其中一个维度的长度恰好为1。

由于tolist()返回表示矩阵的列表，因此您可以获得从array获得的1D对象的简单列表以及2D＆＃34;列表列表＆＃34;包含稀疏矩阵的行。

numpy array.tolist（）和scipy.sparse tolist（）之间有什么区别

2 个答案: