web-dev-qa-db-ja.com

numpy pythonのスパース行列から密行列を生成する

次のタイプのスキーマを含むSqliteデータベースがあります。

termcount(doc_num, term , count)

この表には、ドキュメント内のそれぞれのカウントを含む用語が含まれています。好む

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

各ドキュメントにはゼロ以外の値を持つ用語がほとんど含まれていないため、このマトリックスはスパースマトリックスと見なすことができます。

コサイン類似度を使用してドキュメント間の類似度を計算する必要があるので、numpyを使用してこの疎行列から密行列を作成するにはどうすればよいですか？.

この密な行列は、最初の列としてdocidを持つテーブルのように見え、すべての用語が最初の行としてリストされます。残りのセルにはカウントが含まれます。

pythonarraysnumpyscipysparse-matrix
41
user2374515

パンダを使用してこの問題を解決しました。ドキュメントIDと用語IDを保持するためです。

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

出力：

    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]])

これは、スパース行列を scipy から取得した密行列に変換する方法の例です

76
Rachel Gallen