如何将scipy稀疏矩阵转为包含0值元素的pandas DataFrame

csr矩阵转coo格式后仅存储非零元素，因此直接提取属性生成DataFrame只会得到非零值对应的条目，如需包含所有0值条目可以参考以下两种方案：

方案1：适用于尺寸较小的矩阵 #

直接将稀疏矩阵转为稠密矩阵后处理，代码简洁易读：

import numpy as np
import pandas as pd
from scipy.sparse import csr_matrix

csr = csr_matrix(np.array(
    [[0, 0, 4],
     [1, 0, 0],
     [2, 0, 0],]))

# 转为稠密矩阵后堆叠行列，重置索引即可得到全量条目
df = pd.DataFrame(csr.todense())\
       .stack()\
       .reset_index()
# 重命名为目标列名
df.columns = ['index', 'col', 'data']

方案2：适用于大尺寸稀疏矩阵 #

避免转为稠密矩阵占用过多内存，通过全量行列索引重映射实现：

import numpy as np
import pandas as pd
from scipy.sparse import csr_matrix

csr = csr_matrix(np.array(
    [[0, 0, 4],
     [1, 0, 0],
     [2, 0, 0],]))
coo = csr.tocoo(copy=False)

n_rows, n_cols = csr.shape
# 生成所有行、列的全量组合索引
full_midx = pd.MultiIndex.from_product([np.arange(n_rows), np.arange(n_cols)], names=['index', 'col'])
# 基于非零值构建Series后重索引，缺失值填充为0
data_series = pd.Series(coo.data, index=pd.MultiIndex.from_arrays([coo.row, coo.col], names=['index', 'col']))
df = data_series.reindex(full_midx, fill_value=0).reset_index(name='data')

两种方案输出结果都符合预期：

index  col  data
0      0    0     0
1      0    1     0
2      0    2     4
3      1    0     1
4      1    1     0
5      1    2     0
6      2    0     2
7      2    1     0
8      2    2     0

内容的提问来源于stack exchange，提问作者Chen