如何将Pandas DataFrame转换为指定格式的scipy.sparse.coo_matrix？

直接用coo_matrix(df.values)不行是因为它把DataFrame的每一行当成了COO矩阵的一行，把三个列当成了列索引，但你要的是data_1和data_2作为COO的行、列坐标，result是对应位置的数值。

直接可用的代码 #

import pandas as pd
from scipy.sparse import coo_matrix

# 你的DataFrame示例
df = pd.DataFrame(
    {'result': [1.523, 1.33], 'data_1': [4, 84], 'data_2': [1223, 1534]},
    index=[1, 3]
)

# 拆分出坐标和数值
rows = df['data_1'].to_numpy()
cols = df['data_2'].to_numpy()
values = df['result'].to_numpy()

# 构造COO矩阵
coo_mat = coo_matrix((values, (rows, cols)))

# 打印验证
print(coo_mat)

输出结果 #

运行后会得到你要的格式：

(4, 1223)	1.523
  (84, 1534)	1.33

核心逻辑 #

COO矩阵的正确构造方式是传入(数值数组, (行坐标数组, 列坐标数组))，这样每个(rows[i], cols[i])就对应values[i]的位置，完全匹配你的需求。原DataFrame的索引（1、3这类）不影响，因为COO的坐标由data_1和data_2决定。

内容的提问来源于stack exchange，提问作者Ximi