csv a matriz dispersa en python

Question

Tengo un gran archivo csv que enumera las conexiones entre los nodos en un gráfico. ejemplo:

0001,95784
0001,98743
0002,00082
0002,00091

Así que esto significa que el ID de nodo 0001 está conectado al nodo 95 784 y 98 743 y así sucesivamente. Necesito leer esto en una matriz dispersa en numpy. ¿Cómo puedo hacer esto? Soy nuevo en Python, así que los tutoriales sobre esto también podrían ser útiles.

Answer 1

Ejemplo utilizando lil_matrix (lista de matriz lista) de scipy.

Matriz de listas vinculadas por filas.

Esto contiene una lista (self.rows) de filas, cada una de las cuales es una lista ordenada de índices de columna de elementos distintos de cero. También contiene una lista (self.data) de listas de estos elementos.

$ cat 1938894-simplified.csv 
0,32 
1,21 
1,23 
1,32 
2,23 
2,53 
2,82 
3,82 
4,46 
5,75 
7,86 
8,28 

Código:

#!/usr/bin/env python 

import csv 
from scipy import sparse 

rows, columns = 10, 100 
matrix = sparse.lil_matrix((rows, columns)) 

csvreader = csv.reader(open('1938894-simplified.csv')) 
for line in csvreader: 
    row, column = map(int, line) 
    matrix.data[row].append(column) 

print matrix.data 

Salida:

[[32] [21, 23, 32] [23, 53, 82] [82] [46] [75] [] [86] [28] []] 

Answer 2

Si desea una matriz de adyacencia, se puede hacer algo como:

from scipy.sparse import * 
from scipy import * 
from numpy import * 
import csv 
S = dok_matrix((10000,10000), dtype=bool) 
f = open("your_file_name") 
reader = csv.reader(f) 
for line in reader: 
    S[int(line[0]),int(line[1])] = True 

Answer 3

Usted también puede estar interesado en Networkx, a/gráficos paquete de red pura pitón.

Desde el sitio web:

NetworkX es un paquete de Python para la creación, manipulación, y el estudio de la estructura, la dinámica y las funciones de las redes complejas.

>>> import networkx as nx 
>>> G=nx.Graph() 
>>> G.add_edge(1,2) 
>>> G.add_node("spam") 
>>> print G.nodes() 
[1, 2, 'spam'] 
>>> print G.edges() 
[(1, 2)]