Question

我希望创建具有不同稀疏程度的矩阵。我打算通过将数据矩阵中非零的所有值转换为1来完成此操作，其余条目将为0。

我能够使用以下代码实现这一目标。但是我不确定如何能够在最终矩阵中随机地将1＆0到0进行控制，并控制1的百分比。

例如：

numpy.random.choice

numpy.random.randint（2，size = data_shape，p = [0.75,0.25]）

使我们能够创建控制1的百分比的矩阵。如何在最终矩阵中以类似的方式控制1的百分比？

import numpy as np
import scipy.sparse as sp
import numpy.ma as ma

indptr = np.array([0, 2, 3, 6])
indices = np.array([0, 2, 2, 0, 1, 2])
data = np.array([1, 2, 3, 4, 5, 6])
matrix = sp.csr_matrix((data, indices, indptr), shape=(3, 3)).toarray()
print(matrix)

mask = ma.masked_greater(matrix, 0)
print(mask)
print(mask.mask)

matrix2 = mask.mask
int_matrix = matrix2.astype(int)
print(int_matrix)

输出：

Data matrix:
[[1 0 2]
 [0 0 3]
 [4 5 6]]
Masked matrix:
[[-- 0 --]
 [0 0 --]
 [-- -- --]]
Masked values:
[[ True False  True]
 [False False  True]
 [ True  True  True]]
Final matrix
[[1 0 1]
 [0 0 1]
 [1 1 1]]

感谢您的帮助!!!

Answer 1

你可以这样做 -

idx = np.flatnonzero(a)
N = np.count_nonzero(a!=0) - int(round(0.25*a.size))
np.put(a,np.random.choice(idx,size=N,replace=False),0)

示例运行

1）输入数组：

In [259]: a
Out[259]: 
array([[0, 1, 0, 1, 1],
       [0, 1, 1, 0, 1],
       [1, 1, 0, 0, 0],
       [1, 0, 1, 1, 0]])

2）获得非零指数：

In [260]: idx = np.flatnonzero(a)

3）获取要设置为零的非零数：

In [261]: N = np.count_nonzero(a!=0) - int(round(0.25*a.size))

4）最后我们从idx中选择N个随机选择的索引，并将a中的索引设置为零：

In [262]: np.put(a,np.random.choice(idx,size=N,replace=False),0)

5）验证数组 -

In [263]: a
Out[263]: 
array([[0, 0, 0, 1, 0],
       [0, 1, 0, 0, 0],
       [1, 0, 0, 0, 0],
       [1, 0, 0, 1, 0]])

6）最后，我们看到非零的百分比，并将其验证为25%：

In [264]: np.count_nonzero(a!=0)/float(a.size)
Out[264]: 0.25

使用python随机控制矩阵中非零值的百分比

1 个答案: