python - `np.concatenate` 一个带有稀疏矩阵的 numpy 数组

Question

数据集包含数值变量和分类变量，然后我将其分为两部分:

cont_data = data[cont_variables].values
disc_data = data[disc_variables].values

然后我使用 sklearn.preprocessing.OneHotEncoder对分类数据进行编码，然后我尝试将编码的分类数据与数值数据合并:

np.concatenate((cont_data, disc_data_coded), axis=1)

但是出现以下错误:

ValueError: all the input arrays must have same number of dimensions

我确保维数相等:

print(cont_data.shape)        # (24000, 35)
print(disc_data_coded.shape)  # (24000, 26)

最后发现 cont_data是 numpy array尽管

>>> disc_data_coded
<24000x26 sparse matrix of type '<class 'numpy.float64'>'
with 312000 stored elements in Compressed Sparse Row format>

我更改了参数 sparse在 OneHotEncoder成为 False ， 一切都好。
但问题是，我如何合并 numpy array与 sparse matrix直接，无需设置 sparse=False ?

Answer 1

稀疏矩阵不是 numpy 数组的子类；所以numpy方法往往行不通。改用稀疏函数，例如 sparse.vstack和 sparse.hstack .但是所有的输入都必须是稀疏的。

或者先使稀疏矩阵稠密，用.toarray() ，并使用 np.concatenate .

你想要结果是稀疏的还是密集的？

In [32]: sparse.vstack((sparse.csr_matrix(np.arange(10)),sparse.csr_matrix(np.on
    ...: es((3,10)))))
Out[32]: 
<4x10 sparse matrix of type '<class 'numpy.float64'>'
    with 39 stored elements in Compressed Sparse Row format>
In [33]: np.concatenate((sparse.csr_matrix(np.arange(10)).A,np.ones((3,10))))
Out[33]: 
array([[0., 1., 2., 3., 4., 5., 6., 7., 8., 9.],
       [1., 1., 1., 1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1., 1., 1., 1.]])