リストを2D numpy行列に変換する

Question

私はリストのリストをpythonで持っています。以下れるリスト：アイテム（1：1682）への第2アイテムへとその投票：

[[196, 242, 3], 
[186, 302, 3], 
[22, 377, 1], 
[196, 377, 3], 
.... 
] 

最初の列は、ユーザ（943 1）に対応します。私は行列分解を試してみたいですlibrary。ユーザーxアイテムマトリックスを作成する必要がありますか？はいの場合、どのように私はPythonのような行列を作成することができます1つの軸は、ユーザーのサイズの他の1つのアイテムのサイズとユーザーの投票値ですか？

EDIT： Iはまた、入力としてnmf.pyれるrequirの実装2次元マトリクスではなく、リストまたは疎represantationをチェックします。

Answer 1

あなたのデータは、リストのリストのようになります。

In [168]: ll = [[196, 242, 3], 
    ...: [186, 302, 3], 
    ...: [22, 377, 1], 
    ...: [196, 377, 3]] 

それから配列する - 次の操作の便宜上を

In [169]: A = np.array(ll) 
In [170]: ll 
Out[170]: [[196, 242, 3], [186, 302, 3], [22, 377, 1], [196, 377, 3]] 
In [171]: A 
Out[171]: 
array([[196, 242, 3], 
     [186, 302, 3], 
     [ 22, 377, 1], 
     [196, 377, 3]]) 

シフトこれにより

In [172]: A[:,:2] -= 1 

それは迅速であり、簡単に使用して疎行列を定義する（オプション）0ベースのインデックス列coo（またはcsr）の形式で、(data, (rows, cols))です。反復的なdokのアプローチが有効ですが、これは高速です。

In [174]: from scipy import sparse 
In [175]: M = sparse.csr_matrix((A[:,2],(A[:,0], A[:,1])), shape=(942,1681)) 
In [176]: M 
Out[176]: 
<942x1681 sparse matrix of type '<class 'numpy.int32'>' 
    with 4 stored elements in Compressed Sparse Row format> 
In [177]: print(M) 
    (21, 376) 1 
    (185, 301) 3 
    (195, 241) 3 
    (195, 376) 3 

M.Aこのスパース行列から密な配列を作成します。いくつかのコード、特にsckit-learnパッケージでは、スパース行列を直接使用できます。

高密度アレイを作成するための直接的な方法は次のとおりです。

In [183]: N = np.zeros((942,1681),int) 
In [184]: N[A[:,0],A[:,1]]= A[:,2] 
In [185]: N.shape 
Out[185]: (942, 1681) 
In [186]: M.A.shape 
Out[186]: (942, 1681) 
In [187]: np.allclose(N, M.A) # it matches the sparse version 
Out[187]: True 

Answer 2

あなたはnp.array機能を使用して、（あなたが行列として扱うことができます）2次元numpyの配列を作成することができます。ここでは

mat = np.array(list_of_lists) 

Answer 3

を使用すると、設定項目のリストからスパース行列を作成する方法であります：

data = [ 
    [196, 242, 3], 
    [186, 302, 3], 
    [22, 377, 1], 
    [196, 377, 3], 
    .... 
] 

user_count = max(i[0] for i in data) + 1 
item_count = max(i[1] for i in data) + 1 

data_mx = scipy.sparse.dok_matrix((user_count, item_count)) 
for (user, item, value) in data: 
    data_mx[user, item] = value