在阅读this类似问题之后,我仍然无法完全理解如何实施我正在寻找的解决方案。我有一个稀疏矩阵,即:
import numpy as np
from scipy import sparse
arr = np.array([[0,5,3,0,2],[6,0,4,9,0],[0,0,0,6,8]])
arr_csc = sparse.csc_matrix(arr)
我想有效获取每行的前n项,而不会将稀疏矩阵转换为密集。 最终结果应如下所示(假设n = 2):
top_n_arr = np.array([[0,5,3,0,0],[6,0,0,9,0],[0,0,0,6,8]])
top_n_arr_csc = sparse.csc_matrix(top_n_arr)
答案 0 :(得分:4)
链接答案有什么问题?它对你的情况不起作用吗?或者你只是不明白?或者它效率不够?
我打算建议找出lil
格式矩阵的行的最高值,然后逐行应用。但我只想重复我之前的回答。
好的,我之前的回答是一个开始,但缺少有关迭代lol
格式的一些细节。这是一个开始;它可能会被清理干净。
制作数组和lil
版本:
In [42]: arr = np.array([[0,5,3,0,2],[6,0,4,9,0],[0,0,0,6,8]])
In [43]: arr_sp=sparse.csc_matrix(arr)
In [44]: arr_ll=arr_sp.tolil()
上一个答案中的行函数:
def max_n(row_data, row_indices, n):
i = row_data.argsort()[-n:]
# i = row_data.argpartition(-n)[-n:]
top_values = row_data[i]
top_indices = row_indices[i] # do the sparse indices matter?
return top_values, top_indices, i
迭代arr_ll
行,应用此函数并替换元素:
In [46]: for i in range(arr_ll.shape[0]):
d,r=max_n(np.array(arr_ll.data[i]),np.array(arr_ll.rows[i]),2)[:2]
arr_ll.data[i]=d.tolist()
arr_ll.rows[i]=r.tolist()
....:
In [47]: arr_ll.data
Out[47]: array([[3, 5], [6, 9], [6, 8]], dtype=object)
In [48]: arr_ll.rows
Out[48]: array([[2, 1], [0, 3], [3, 4]], dtype=object)
In [49]: arr_ll.tocsc().A
Out[49]:
array([[0, 5, 3, 0, 0],
[6, 0, 0, 9, 0],
[0, 0, 0, 6, 8]])
在lil
格式中,数据存储在2个对象类型数组中,作为子列表,一个包含数据编号,另一个包含列索引。
查看稀疏矩阵的数据属性在做新事物时很方便。改变这些属性有一定的风险,因为它搞乱了整个阵列。但看起来lil
格式可以安全地调整。
csr
格式比csc
更适合访问行。它的数据存储在3个数组data
,indices
和indptr
中。 lil
格式根据indptr
中的信息有效地将其中2个数组拆分为子列表。 csr
非常适合数学(乘法,加法等),但在更改稀疏性时(将非零值转换为零)则不太好。