python提取特征、键值对关系到关联矩阵

本文主要是介绍python提取特征、键值对关系到关联矩阵，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

首先是待处理数据

test = pd.read_csv('../test_pairs.csv')
test.head(10)

输出： 

     pairId	FirstId	SecondId
0	0	1427	8053
1	1	17044	7681
2	2	19237	20966
3	3	8005	20765
4	4	16837	599
5	5	3657	12504
6	6	2836	7582
7	7	6136	6111
8	8	23295	9817
9	9	6621	7672

 可以看到有FirstId和SecondId, 如果我们想把这两列id的对应关系映射到稀疏矩阵，我们可以用矩阵的行列i,j表示id值，而（i,j）==1表示存在对应关系

 

1、非对称稀疏关联矩阵，即有方向的映射关系，代码如下：

import scipyinc_mat = scipy.sparse.coo_matrix((np.ones_like(test.FirstId), (test.FirstId, test.SecondId))).power(0)

 scipy.sparse.coo_matrix的参数(np.ones_like(test.FirstId), (test.FirstId, test.SecondId))分为两部分

第一部分是要在稀疏矩阵对应位置插入的值，这里生成一个全1串，使矩阵只有0和1。

第二部分第一部分值所在的位置，即（i[:], j[:]）

至于最后的power(0)，是对矩阵做了一个element-wise的0次方处理࿰

这篇关于python提取特征、键值对关系到关联矩阵的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---