Question

我有两个稀疏矩阵（由sklearn HashVectorizer创建，来自两组功能 - 每组都对应一个功能）。我想将它们连接起来以便以后使用它们进行聚类。但是，我面临尺寸问题，因为两个矩阵没有相同的行尺寸。

以下是一个例子：

Xa = [-0.57735027 -0.57735027  0.57735027 -0.57735027 -0.57735027  0.57735027
  0.5         0.5        -0.5         0.5         0.5        -0.5         0.5
  0.5        -0.5         0.5        -0.5         0.5         0.5        -0.5
  0.5         0.5       ]

Xb = [-0.57735027 -0.57735027  0.57735027 -0.57735027  0.57735027  0.57735027
 -0.5         0.5         0.5         0.5        -0.5        -0.5         0.5
 -0.5        -0.5        -0.5         0.5         0.5       ]

Xa和Xb都属于<class 'scipy.sparse.csr.csr_matrix'>类型。形状为Xa.shape = (6, 1048576) Xb.shape = (5, 1048576)。我得到的错误是（我现在知道它为什么会发生）：

    X = hstack((Xa, Xb))
  File "/usr/local/lib/python2.7/site-packages/scipy/sparse/construct.py", line 464, in hstack
    return bmat([blocks], format=format, dtype=dtype)
  File "/usr/local/lib/python2.7/site-packages/scipy/sparse/construct.py", line 581, in bmat
    'row dimensions' % i)
ValueError: blocks[0,:] has incompatible row dimensions

有没有办法堆叠稀疏矩阵，尽管它们的尺寸不规则？也许有一些填充？

我查看了这些帖子：

Answer 1

您可以使用空稀疏矩阵填充它。

您希望水平叠加，因此您需要填充较小的矩阵，使其与较大的矩阵具有相同的行数。为此，垂直堆叠，形状为(difference in number of rows, number of columns of original matrix)矩阵。

像这样：

from scipy.sparse import csr_matrix
from scipy.sparse import hstack
from scipy.sparse import vstack

# Create 2 empty sparse matrix for demo
Xa = csr_matrix((4, 4))
Xb = csr_matrix((3, 5))


diff_n_rows = Xa.shape[0] - Xb.shape[0]

Xb_new = vstack((Xb, csr_matrix((diff_n_rows, Xb.shape[1])))) 
#where diff_n_rows is the difference of the number of rows between Xa and Xb

X = hstack((Xa, Xb_new))
X

结果是：

<4x9 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in COOrdinate format>

堆叠两个不同尺寸的稀疏矩阵

1 个答案: