pandas.SparseSeries.to_coo

SparseSeries.to_coo(row_levels=(0, ), column_levels=(1, ), sort_labels=False)

从带有MultiIndex的SparseSeries创建scipy.sparse.coo_matrix。

使用row_levels和column_levels分别确定行和列坐标。row_levels和column_levels是级别的名称（标签）或数字。{row_levels，column_levels}必须是MultiIndex级别名称（或数字）的分区。

版本0.16.0中的新功能。

参数：

row_levels：tuple / list

column_levels：tuple / list

sort_labels：bool，default False

在形成稀疏矩阵之前对行和列标签进行排序。

返回：

y：scipy.sparse.coo_matrix

rows：list（row labels）

列：list（列标签）

例子

>>> from numpy import nan
>>> s = Series([3.0, nan, 1.0, 3.0, nan, nan])
>>> s.index = MultiIndex.from_tuples([(1, 2, 'a', 0),
                                      (1, 2, 'a', 1),
                                      (1, 1, 'b', 0),
                                      (1, 1, 'b', 1),
                                      (2, 1, 'b', 0),
                                      (2, 1, 'b', 1)],
                                      names=['A', 'B', 'C', 'D'])
>>> ss = s.to_sparse()
>>> A, rows, columns = ss.to_coo(row_levels=['A', 'B'],
                                 column_levels=['C', 'D'],
                                 sort_labels=True)
>>> A
<3x4 sparse matrix of type '<class 'numpy.float64'>'
        with 3 stored elements in COOrdinate format>
>>> A.todense()
matrix([[ 0.,  0.,  1.,  3.],
[ 3.,  0.,  0.,  0.],
[ 0.,  0.,  0.,  0.]])
>>> rows
[(1, 1), (1, 2), (2, 1)]
>>> columns
[('a', 0), ('a', 1), ('b', 0), ('b', 1)]