`np.concatenate` 一个带有稀疏矩阵的 numpy 数组

Question

数据集包含数值变量和分类变量，然后我将其分为两部分：

cont_data = data[cont_variables].values
disc_data = data[disc_variables].values

然后我使用sklearn.preprocessing.OneHotEncoder对分类数据进行编码，然后我尝试将编码的分类数据与数值数据合并：

np.concatenate((cont_data, disc_data_coded), axis=1)

但是出现以下错误：

ValueError: all the input arrays must have same number of dimensions

我确保维数相等：

print(cont_data.shape)        # (24000, 35)
print(disc_data_coded.shape)  # (24000, 26)

终于，我发现那cont_data是一段numpy array时间

>>> disc_data_coded
<24000x26 sparse matrix of type '<class 'numpy.float64'>'
with 312000 stored elements in Compressed Sparse Row format>

我改变了参数sparse的OneHotEncoder是False，一切都OK了。但问题是，如何numpy array在sparse matrix不设置的情况下直接将 a与 a合并sparse=False？

Answer 1

稀疏矩阵不是 numpy 数组的子类；所以numpy方法通常不起作用。改用稀疏函数，例如sparse.vstackand sparse.hstack。但是所有的输入都必须是稀疏的。

或者首先使稀疏矩阵稠密，使用.toarray()，然后使用np.concatenate。

你想要结果是稀疏的还是密集的？

In [32]: sparse.vstack((sparse.csr_matrix(np.arange(10)),sparse.csr_matrix(np.on
    ...: es((3,10)))))
Out[32]: 
<4x10 sparse matrix of type '<class 'numpy.float64'>'
    with 39 stored elements in Compressed Sparse Row format>
In [33]: np.concatenate((sparse.csr_matrix(np.arange(10)).A,np.ones((3,10))))
Out[33]: 
array([[0., 1., 2., 3., 4., 5., 6., 7., 8., 9.],
       [1., 1., 1., 1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1., 1., 1., 1.]])