web-dev-qa-db-fra.com

Générer une matrice dense à partir d’une matrice clairsemée numpy python

J'ai une base de données SQLite qui contient le type de schéma suivant:

termcount(doc_num, term , count)

Ce tableau contient les termes avec leurs comptes respectifs dans le document. comme

(doc1 , term1 ,12)
(doc1, term 22, 2)
.
.
(docn,term1 , 10)

Cette matrice peut être considérée comme une matrice éparse car chaque document contient très peu de termes qui auront une valeur différente de zéro.

Comment pourrais-je créer une matrice dense à partir de cette matrice clairsemée en utilisant numpy, car je dois calculer la similarité entre les documents en utilisant la similarité en cosinus.

Cette matrice dense ressemblera à une table dont docid est la première colonne et tous les termes seront répertoriés comme première ligne. Les cellules restantes contiendront des nombres.

pythonarraysnumpyscipysparse-matrix
41
user2374515

J'ai résolu ce problème en utilisant des pandas. Parce que nous voulons conserver les identifiants de document et de terme.

from pandas import DataFrame 

# A sparse matrix in dictionary form (can be a SQLite database). Tuples contains doc_id        and term_id. 
doc_term_dict={('d1','t1'):12, ('d2','t3'):10, ('d3','t2'):5}

#extract all unique documents and terms ids and intialize a empty dataframe.
rows = set([d for (d,t) in doc_term_dict.keys()])  
cols = set([t for (d,t) in doc_term_dict.keys()])
df = DataFrame(index = rows, columns = cols )
df = df.fillna(0)

#assign all nonzero values in dataframe
for key, value in doc_term_dict.items():
    df[key[1]][key[0]] = value   

print df

Sortie:

    t2  t3  t1
d2  0  10   0
d3  5   0   0
d1  0   0  12
8
user2374515
 from scipy.sparse import csr_matrix
 A = csr_matrix([[1,0,2],[0,3,0]])
 >>>A
 <2x3 sparse matrix of type '<type 'numpy.int64'>'
    with 3 stored elements in Compressed Sparse Row format>
 >>> A.todense()
   matrix([[1, 0, 2],
           [0, 3, 0]])
 >>> A.toarray()
      array([[1, 0, 2],
            [0, 3, 0]])

voici un exemple de conversion d’une matrice clairsemée en une matrice dense tirée de scipy

76
Rachel Gallen