@khammel先前发布的答案很有用，但不幸的是由于熊猫和Python的更改，该答案不再有效。以下应该产生相同的输出：
from scipy.sparse import csr_matrixfrom pandas.api.types import CategoricalDtypeperson_c = CategoricalDtype(sorted(frame.person.unique()), ordered=True)thing_c = CategoricalDtype(sorted(frame.thing.unique()), ordered=True)row = frame.person.astype(person_c).cat.prescol = frame.thing.astype(thing_c).cat.pressparse_matrix = csr_matrix((frame["count"], (row, col)), shape=(person_c.categories.size, thing_c.categories.size))>>> sparse_matrix<3x4 sparse matrix of type '<class 'numpy.int64'>' with 6 stored elements in Compressed Sparse Row format>>>> sparse_matrix.todense()matrix([[0, 1, 0, 1], [1, 0, 0, 1], [1, 0, 1, 0]], dtype=int64)dfs = pd.SparseDataframe(sparse_matrix, index=person_c.categories, columns=thing_c.categories, default_fill_value=0)>>> dfs a b c d him 0 1 0 1 me 1 0 0 1 you 1 0 1 0
主要变化是：
.astype()
不再接受“分类”。您必须创建一个CategoricalDtype对象。sort()
不再工作了
其他更改更肤浅：
- 使用类别大小而不是唯一的Series对象的长度，只是因为我不想不必要地制作另一个对象
csr_matrix
（frame["count"]
）的数据输入不必是列表对象- 熊猫
SparseDataframe
现在直接接受scipy.sparse对象
