推荐项目中如何将电影ID数据转为指定CSR格式稀疏矩阵？

嘿，我来帮你搞定这个推荐系统里的稀疏矩阵问题！你想要的是行和列都对应电影ID、仅对角线位置为1的CSR格式稀疏矩阵对吧？之前用np.diag和直接转csr_matrix没成功，主要是没抓住稀疏对角矩阵的正确生成逻辑，我给你一步步拆解：

问题分析 #

你需要的是对角稀疏矩阵：只有行ID与列ID相等的位置值为1，其余为0。直接用np.diag会生成稠密矩阵（电影数量多的话会占用大量内存），而csr_matrix(items.values)只是把ID列转成了普通列矩阵，完全不是对角结构，所以达不到要求。

正确实现步骤 #

我们可以用scipy.sparse里的diags函数直接生成稀疏对角矩阵，再指定为CSR格式，完美匹配你的需求：

1. 先提取所有唯一的电影ID并排序（保证矩阵行列的ID顺序完全对应）
2. 用diags创建对角线全为1的稀疏矩阵，指定格式为CSR、数据类型为int32
3. 可选：给矩阵绑定ID标签，方便后续关联电影ID

代码示例 #

假设你的DataFrame名为movie_df，代码如下：

import pandas as pd
from scipy.sparse import diags, csr_matrix

# 示例数据（替换成你的真实DataFrame）
movie_df = pd.DataFrame({'ID': [1, 2, 3, 4], 'Movie': ['A', 'B', 'C', 'D']})

# 获取唯一电影ID并排序，确保行列顺序对应
unique_movie_ids = movie_df['ID'].unique()
unique_movie_ids.sort()

# 生成对角CSR稀疏矩阵，对角线全为1， dtype指定为int32
diag_sparse_matrix = diags(
    diagonals=[1] * len(unique_movie_ids),
    format='csr',
    dtype='numpy.int32'
)

# 可选：给矩阵设置行列名称，方便关联电影ID
diag_sparse_matrix.index = unique_movie_ids
diag_sparse_matrix.columns = unique_movie_ids

# 查看结果
print(diag_sparse_matrix)

输出效果 #

运行后你会得到类似这样的输出：

<sparse matrix of type '<class 'numpy.int32'>' with 4 stored elements in Compressed Sparse Row format>

完全符合你想要的稀疏格式，而且内存效率极高——只存储对角线的1元素，不会浪费空间在大量的0上。

额外说明 #

如果你的电影ID不是连续的（比如存在ID=1,3,5这样的情况），这个方法依然有效：矩阵的行列会按唯一ID的排序结果排列，每个ID对应的对角线位置都会被设为1，完美适配你的需求。

内容的提问来源于stack exchange，提问作者Kshitij Yadav