Python - csr_matrix 的数据结构

我正在研究TFIDF。我用过tfidf_vectorizer.fit_transform。它返回一个 csr_matrix，但我无法理解结果的结构。

• 数据输入：

文件=（“天空是蓝色的”，“太阳是明亮的”，“太阳在 天空很亮”，“我们可以看到灿烂的太阳，明亮的太阳”）

• 陈述：

tfidf_vectorizer = TfidfVectorizer()
tfidf_matrix = tfidf_vectorizer.fit_transform(documents)
print(tfidf_matrix)

• 结果：

(0, 9) 0.34399327143
(0, 7) 0.519713848879
(0, 4) 0.420753151645
(0, 0) 0.659191117868
(1, 9) 0.426858009784
(1, 4) 0.522108621994
(1, 8) 0.522108621994
(1, 1) 0.522108621994
(2, 9) 0.526261040111
(2, 7) 0.397544332095
(2, 4) 0.32184639876
(2, 8) 0.32184639876
(2, 1) 0.32184639876
(2, 3) 0.504234576856
(3, 9) 0.390963088213
(3, 8) 0.47820398015
(3, 1) 0.239101990075
(3, 10) 0.374599471224
(3, 2) 0.374599471224
(3, 5) 0.374599471224
(3, 6) 0.374599471224

tfidf_矩阵是一个csr_matrix。所以我找到了这个，但没有与结果相同的结构：scipy.sparse.csr_matrix https://docs.scipy.org/doc/scipy/reference/generated/scipy.sparse.csr_matrix.html#scipy.sparse.csr_matrix

(0, 9) 0.34399327143 的值结构是什么？

你看到的只是字符串表示调用时使用print(my_csr_mat)。它列出了（在你的情况下）所有nonzeros在你的矩阵内。 （也许会有大量非零的输出被截断）。

由于这是一个稀疏矩阵，因此它具有二维。

(0, 9) 0.34399327143

意思是：矩阵元素@位置[0,9]是0.34399327143。

小演示：

import numpy as np
from scipy.sparse import csr_matrix

matrix_dense = np.arange(20).reshape(4,5)
zero_out = np.random.choice((0,1), size=(4,5), p=(0.7, 0.3))
matrix_dense_mod = matrix_dense * zero_out

print(matrix_dense_mod)

sparse_mat = csr_matrix(matrix_dense_mod)

print(sparse_mat)

Output:

[[ 0  0  2  0  4]
 [ 0  6  0  8  0]
 [ 0 11  0 13 14]
 [15  0  0 18 19]]
  (0, 2)        2
  (0, 4)        4
  (1, 1)        6
  (1, 3)        8
  (2, 1)        11
  (2, 3)        13
  (2, 4)        14
  (3, 0)        15
  (3, 3)        18
  (3, 4)        19

我不确定你的意思So I find on this, but there are no structure as same as the result，但要注意：scipy.sparse 文档中的大多数示例在打印调用中都有一个 my_mat.toarray() ，这意味着它正在从稀疏矩阵构建一个密集数组，该矩阵具有不同的字符串表示样式.