Question

我有一个很大的csv文件，它列出了图表中节点之间的连接。例如：

0001,95784
0001,98743
0002,00082
0002,00091

这意味着节点id 0001连接到节点95784和98743，依此类推。我需要把它读成numpy中的稀疏矩阵。我怎样才能做到这一点？我是python的新手，所以这方面的教程也会有所帮助。

Answer 1

使用scipy的lil_matrix（列表矩阵列表）示例。

基于行的链表矩阵。

这包含一个行列表（self.rows），每个行都是非零元素的列索引的排序列表。它还包含这些元素列表的列表（self.data）。

$ cat 1938894-simplified.csv
0,32
1,21
1,23
1,32
2,23
2,53
2,82
3,82
4,46
5,75
7,86
8,28

代码：

#!/usr/bin/env python

import csv
from scipy import sparse

rows, columns = 10, 100
matrix = sparse.lil_matrix( (rows, columns) )

csvreader = csv.reader(open('1938894-simplified.csv'))
for line in csvreader:
    row, column = map(int, line)
    matrix.data[row].append(column)

print matrix.data

输出：

[[32] [21, 23, 32] [23, 53, 82] [82] [46] [75] [] [86] [28] []]

Answer 2

如果你想要一个邻接矩阵，你可以这样做：

from scipy.sparse import *
from scipy import *
from numpy import *
import csv
S = dok_matrix((10000,10000), dtype=bool)
f = open("your_file_name")
reader = csv.reader(f)
for line in reader:
    S[int(line[0]),int(line[1])] = True

Answer 3

你可能也对Networkx感兴趣，这是一个纯粹的python网络/图形包。

来自网站：

NetworkX是一个Python包，用于创建，操作和研究复杂网络的结构，动态和功能。

>>> import networkx as nx
>>> G=nx.Graph()
>>> G.add_edge(1,2)
>>> G.add_node("spam")
>>> print G.nodes()
[1, 2, 'spam']
>>> print G.edges()
[(1, 2)]

csv到python中的稀疏矩阵

3 个答案: