如何在Python中将3D numpy数组转换为3D稀疏矩阵？

Question

我是一名有用的助手，可以为您翻译文本。

我有一个3D NumPy数组，想将其转换为Python中的3D稀疏矩阵。我查找了scipy.sparse模块，但只找到了2D稀疏矩阵的实现。例如，

输入:

array([[[0],
        [0],
        [1],
        [0],
        [1],
        [0],
        [0]],
       [[1],
        [0],
        [1],
        [0],
        [0],
        [0],
        [0]]])

输出：

(0,0,2) 1
(0,0,4) 1
(0,1,0) 1
(0,1,2) 1

如何做到这一点？

- K. K.

---

可能是如何将numpy.matrix或数组转换为scipy稀疏矩阵的重复问题。 - Lucas

嗨，卢卡斯，我已经尝试过了。他们期望的维度是2或小于2。在我的情况下，数组的维度为3。 - K. K.

注意，scipy.sparse 代码仅适用于2D。一旦获取了稀疏矩阵，您想要做什么？仅仅代表这些值是一回事，而从中获得有意义的结果则完全不同。 - hpaulj

是的，在3D中创建“dok”或“lil”实现相当简单，但如果没有让“csr”和“csc”实现矩阵数学的算法，它们将不会特别有用。如果矩阵是某种传递函数，您可能最好将输入和输出展平并将转换存储在2D中。例如，这就是如何通过Voigt符号在2D中表示4D对称变换的方式。 - Daniel F

Answer 1

在n维空间中，您可以使用以下方法找到索引：

ind=np.array(np.where(a!=0)).T
#array([[0, 2, 0],
#       [0, 4, 0],
#       [1, 0, 0],
#       [1, 2, 0]], dtype=int64)

例如，与之对应的值为：

ravel_ind=np.apply_along_axis(ravel_multi_index,1,ind,a.shape)
values=np.take(a,ravel_ind)
# array([1, 1, 1, 1])  

- B. M.