Question

从仅包含零的稀疏矩阵中有效删除列的最佳方法是什么。我有一个矩阵，我已经创建并填充了数据：

matrix = sp.sparse.lil_matrix((100, 100))

我现在希望删除〜最后20列只包含零数据的列。我怎么能这样做？

Answer 1

如果这只是一个numpy数组，X，那么你可以说X!=0会给你一个与X形状相同的布尔数组，然后你可以索引{ {1}}使用布尔数组，即X

但这是一个稀疏矩阵，它不支持布尔索引，如果你尝试non_zero_entries = X[X!=0]也不会给你你想要的东西 - 它只返回一个布尔值，它似乎只返回true，如果它们是完全相同的矩阵（在内存中）。

你想要的是来自numpy的X!=0方法。

nonzero

如果您只想要有非零条目的完整列，那么只需从索引中取第1列。除非您需要考虑重复的索引（如果列中有多个条目）：

import numpy as np
from scipy import sparse

X = sparse.lil_matrix((100,100)) # some sparse matrix
X[1,17] = 1
X[17,17] = 1
indices = np.nonzero(X) # a tuple of two arrays: 0th is row indices, 1st is cols
X.tocsc()[indices] # this just gives you the array of all non-zero entries

Answer 2

这看起来很像，虽然效率不高：

matrix = matrix[0:100,0:80]

Answer 3

也可以使用 scipy.sparse.find() 获取稀疏矩阵中所有非零元素的位置。

返回值中的[1]条目是一个numpy列数列。从此数组中获取唯一值将给出非零列的索引。通过这些列对原始稀疏矩阵进行子集，可以得到非零列。

x[:,np.unique(sparse.find(x)[1])]

可以将其扩展为查找至少n 条目的列：

idx = np.unique(sparse.find(x)[1], return_counts=True)
x[:, idx[0][idx[1] > n]]

如何有效地从仅包含零的稀疏矩阵中删除列？

3 个答案: