Question

我有两个numpy矩阵（或稀疏等价物），如：

>>> A = numpy.array([[1,0,2],[3,0,0],[4,5,0],[0,2,2]])
>>> A
array([[1, 0, 2],
       [3, 0, 0],
       [4, 5, 0],
       [0, 2, 2]])
>>> B = numpy.array([[2,3],[3,4],[5,0]])
>>> B
array([[2, 3],
       [3, 4],
       [5, 0]])

>>> C = mean_dot_product(A, B)
>>> C
array([[6   ,  3],
       [6   ,  9],
       [11.5, 16],
       [8   ,  8]])

其中C[i, j] = sum(A[i,k] * B[k,j]) / count_nonzero(A[i,k] * B[k,j])

有一种快速的方法可以在numpy中执行此操作吗？

非理想的解决方案是：

>>> maskA = A > 0
>>> maskB = B > 0

>>> maskA.dtype=numpy.uint8
>>> maskB.dtype=numpy.uint8

>>> D = replace_zeros_with_ones(numpy.dot(maskA,maskB)) 

>>> C = numpy.dot(A,B) / D

任何人都有更好的算法吗？

此外，如果A或B是稀疏矩阵，使它们密集（用1代替零）会使内存占用成为可能！

Answer 1

为什么需要replace_zeros_with_ones？我删除了这一行并运行您的代码并获得正确的结果。

如果所有数字都不是负数，则只能通过一行执行此操作：

np.dot(A, B)/np.dot(np.sign(A), np.sign(B))

Python中点积的元素均值（numpy）

1 个答案: