词频矩阵TfidfVectorizer结果与稀疏矩阵csr_matrix的遍历

关系

TfidfVectorizer的结果是由csr_matrix这种方式组织的，在数据结构中稀疏矩阵的实现是csr_matrix。这是由于矩阵中有大量的0元素占据了大量的空间，从而采用稀疏矩阵来压缩空间。

csr_matrix可以调用toarray()方法转变为真正的矩阵，利用numpy的索引方式来进行对元素的精确索引。

问题

但是有时候由于矩阵太大，而使得csr_matrix转变为numpy矩阵时，计算机的内存会“爆掉”。使得无法转变，这就会带来一个问题——无法使用简洁的方式来索引元素。

解决方法

getrow()方法，需要输入行号，可以取出对应的行的数据，在利用toarray()来将其转变为numpy的单行矩阵，就可以索引了。

getcol()方法，与上述方法类似，但是以列为单位处理。

__getitem__()方法，需要输入一个元组，这个tuple是代表了矩阵中元素的下标位置，返回的是对应位置的数据。

示例

print(csr)
>>(0, 40831)	0.21960834178465002
  (0, 30192)	0.10678123442791115
  (0, 10846)	0.18189940521778225
  (0, 22745)	0.20618725734599005
  (0, 45612)	0.0976692130846666
  (0, 40065)	0.24275078611018666
  (0, 49428)	0.05342573253991302
  (0, 45671)	0.17495487380802463
  (0, 21370