从值列表转换为 scipy 稀疏矩阵的最有效方法是什么？

如何解决从值列表转换为 scipy 稀疏矩阵的最有效方法是什么？

我有一个值列表，我使用循环将这些值转换为 scipy.sparse.dok_matrix。我知道 numpy.bincount 但它不适用于稀疏矩阵。我想知道是否有更有效的方法来执行此转换，因为 dok_matrix 的构建时间非常长。

下面是一行的示例，但我通过循环缩放到 2D 矩阵。值 x 在输入列表中出现的次数是结果矩阵的第 x 个元素的值。

values = [1,3,4]
expected_result = [0,1,2,1]

matrix = dok_matrix((1,MAXIMUM_EXPECTED_VALUE))
for value in values:
    matrix[0,value] = matrix.get((0,card)) + 1

MAXIMUM_EXPECTED_VALUE 的数量级为 100000000 和 len(values) < 100，这就是我使用稀疏矩阵的原因。可能偏离主题：在 MAXIMUM_EXPECTED_VALUE 范围内使用的实际值也只有略多于 10000 个，但我认为散列到连续范围并转换回来可能更复杂。

解决方法

看起来标准的 coo 样式输入适合您的情况：

In [143]: from scipy import sparse
In [144]: values = [1,3,4]
In [145]: col = np.array(values)
In [146]: row = np.zeros_like(col)
In [147]: data = np.ones_like(col)
In [148]: M = sparse.coo_matrix((data,(row,col)),shape=(1,10))
In [149]: M
Out[149]: 
<1x10 sparse matrix of type '<class 'numpy.int64'>'
    with 4 stored elements in COOrdinate format>
In [150]: M.A
Out[150]: array([[0,1,2,0]])