476
社区成员
发帖
与我相关
我的任务
分享python – numpy array.tolist()和scipy.sparse tolist()之间有什么区别
import numpy as np
from scipy.sparse import lil_matrix
使用numpy我得到
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,而该元素又有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？谢谢
...全文
请发表友善的回复…
发表回复
weixin_38067747 2019-09-12
- 打赏
- 举报
这是因为lil_matrix.todense()返回一个numpy矩阵,它总是有ndim = 2,而不是numpy ndarray,当切片中只选择了一行/ col时,它会减小它的尺寸.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,将其启动为：
test_mat = np.matrix(np.ones((4,6)))
test_list = test_mat[0:1,:].tolist()
您将从lil_matrix中看到2d列表列表
这是您转换为列表之前的所有内容：
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)
