将scipy.sparse.csr.csr_matrix转换为列表列表

Question

我正在学习多标签分类，并尝试从scikit学习中实施tfidf教程。我正在处理文本语料库以计算其tf-idf分数。我为此目的使用模块sklearn.feature_extraction.text。使用CountVectorizer和TfidfTransformer，现在我为每个词汇集了语料库矢量和tfidf。问题是我现在有一个稀疏矩阵，例如：

(0, 47) 0.104275891915
(0, 383)    0.084129133023
.
.
.
.
(4, 308)    0.0285015996586
(4, 199)    0.0285015996586

我想将此sparse.csr.csr_matrix转换为列表列表，以便可以摆脱上述csr_matrix的文档ID，并获得tfidf和vocabularyId对，例如

47:0.104275891915 383:0.084129133023
.
.
.
.
308:0.0285015996586 
199:0.0285015996586

有什么方法可以转换为列表列表，或者可以通过其他方式更改格式以获得tfidf-vocabularyId对吗？

Answer 1

我不知道会发生什么tf-idf，但是在稀疏的结局中我可能会有所帮助。

制作一个稀疏矩阵：

In [526]: M=sparse.random(4,10,.1)
In [527]: M
Out[527]: 
<4x10 sparse matrix of type '<class 'numpy.float64'>'
    with 4 stored elements in COOrdinate format>
In [528]: print(M)
  (3, 1)    0.281301619779
  (2, 6)    0.830780358032
  (1, 1)    0.242503399296
  (2, 2)    0.190933579917

现在将其转换为coo格式。这已经是我可以指定的randomformat参数了。在任何情况下，coo格式值都存储在3个数组中：

In [529]: Mc=M.tocoo()
In [530]: Mc.data
Out[530]: array([ 0.28130162,  0.83078036,  0.2425034 ,  0.19093358])
In [532]: Mc.row
Out[532]: array([3, 2, 1, 2], dtype=int32)
In [533]: Mc.col
Out[533]: array([1, 6, 1, 2], dtype=int32)

看起来您想忽略Mc.row，并以某种方式加入其他人。

例如作为字典：

In [534]: {k:v for k,v in zip(Mc.col, Mc.data)}
Out[534]: {1: 0.24250339929583264, 2: 0.19093357991697379, 6: 0.83078035803205375}

或二维数组中的列：

In [535]: np.column_stack((Mc.col, Mc.data))
Out[535]: 
array([[ 1.        ,  0.28130162],
       [ 6.        ,  0.83078036],
       [ 1.        ,  0.2425034 ],
       [ 2.        ,  0.19093358]])

（也np.array((Mc.col, Mc.data)).T）

或仅作为数组列表[Mc.col, Mc.data]或[Mc.col.tolist(), Mc.data.tolist()]列表列表等。

你能从那里拿走吗？