图数据集稀疏矩阵转稠密格式todense()属性报错解决方案

todense()是scipy稀疏矩阵对象的内置方法，不属于numpy.ndarray类。触发该报错的原因是当前读取到的features本身已经是numpy稠密数组，并非scipy稀疏矩阵，因此不存在该方法。

可以根据对象类型选择对应处理方式，也可以写兼容逻辑同时适配稀疏、稠密两种输入：

• 针对scipy稀疏矩阵格式的对象（比如Cora数据集中的邻接矩阵adj默认是该格式）：
  优先使用toarray()方法直接转成numpy稠密数组，比todense()更方便，不会返回numpy.matrix类型的特殊对象：

  adj_dense = adj.toarray()
  

  如果习惯用todense()，可以在后面接.A属性转成普通ndarray：

  adj_dense = adj.todense().A
  

• 针对已经是numpy.ndarray格式的对象（比如当前报错对应的features）：
  不需要做任何转换，直接使用即可。
• 通用兼容写法（不用提前判断格式，直接对特征、邻接矩阵统一处理）：

  import scipy.sparse as sp
  
  def sparse_to_dense(x):
      if sp.issparse(x):
          return x.toarray()
      return x
  
  # 统一转换所有矩阵
  features = sparse_to_dense(features)
  adj = sparse_to_dense(adj)
  labels = sparse_to_dense(labels)
  

补充提示：Cora的特征矩阵是高维词袋稀疏特征，转稠密后内存占用会明显升高，如果你的图神经网络实现支持稀疏格式输入，保留稀疏格式运算速度会更快。

内容的提问来源于stack exchange，提问作者playerJX1