你可以用rpy 2创建一个稀疏矩阵，如下所示：

import numpy as np
import rpy2.robjects as ro
from rpy2.robjects.packages import importr
from scipy import sparse
X = sparse.rand(5, 20, density=0.1).tocoo()
r_Matrix = importr("Matrix")
r_Matrix.sparseMatrix(
    i=ro.IntVector(X.row + 1),
    j=ro.IntVector(X.col + 1),
    x=ro.FloatVector(X.data),
    dims=ro.IntVector(X.shape))

字符串

rpy 2中确实没有包含用于您的对象类型的转换器Python -> R。您的Python对象不是传统的数组，而是您注意到的稀疏矩阵（具体为scipy.sparse.csc.csc_matrix），作为numpy可用的数字扩展之一实现。由于numpy本身甚至不需要使用rpy2，因此对numpy扩展的支持相当稀疏，但pandas是一个明显的例外，因为数据表无处不在。
您可能希望在R软件包Matrix（https://stat.ethz.ch/R-manual/R-devel/library/Matrix/html/dgCMatrix-class.html）中编写自己的从css_matrix到gcCMatrix的转换器，因为软件包glmnet似乎能够处理它们。
编写一个自定义转换器需要如何将Python对象的内容Map或复制到它所选择的R对应对象，但是一旦完成，将代码插入rpy 2应该很容易：https://rpy2.github.io/doc/v2.9.x/html/generated_rst/s4class.html#custom-conversion
考虑在rpy 2问题跟踪器上将一个问题作为“特性请求”打开，并报告进度和结果，希望看到这变成一个完整的单元测试拉取请求。

另外，一个可能有效的快速解决方案是临时保存稀疏矩阵文件。

import numpy as np
import rpy2.robjects as ro
import warnings
from rpy2.rinterface import RRuntimeWarning
import rpy2.robjects.numpy2ri as numpy2ri
from scipy.io import mmwrite
mmwrite('temp.mtx',matrix)
ro.r('X <- readMM("temp.mtx")')

字符串
我会很感兴趣，虽然，如果有人来了一个自定义转换器，以避免复制到磁盘。

python包anndata2ri具有将scipy稀疏矩阵转换为R的函数，反之亦然。

import anndata2ri
anndata2ri.activate()
r_sparse_mat = anndata2ri.scipy2ri.py2rpy(py_sparse_mat)

字符串