python-3.x - 将对象（包含字符串和整数）Pandas 数据帧转换为 scipy 稀疏矩阵

Question

我有一个包含两列的数据框，一列是 dtype 对象的药物名称，它包含药物名称，少数药物名称后跟其 mg（例如 Avil25 和 Avil50 的其他行），另一列是 dtype int 的价格。我正在尝试使用以下代码行将药物名称列转换为 scipy csr_matrix：

from scipy.sparse import csr_matrix

sparse_matrix = csr_matrix(medName)

我收到以下错误消息：

TypeError: no supported conversion for types: (dtype('O'),)

作为另一种方法，我尝试medName.str.replace('\d+', '')从数据框中删除整数 using() 并尝试sparse_matrix = csr_matrix(medName.astype(str)) 。我仍然遇到同样的错误。

这里出了什么问题？将此数据帧转换为 csr 矩阵的另一种方法是什么？

标签： python-3.xpandasscipysparse-matrix

Answer 1

您将拥有数字数据类型的编码字符串，使其变得稀疏。一种解决方案（可能不是最节省内存的）是制作一个networkx图，其中字符串单词将是节点，使用图的节点列表，您可以跟踪单词到数字的映射。