Question

我有一个带有45671x45671元素的scipy.sparse矩阵。在此矩阵中，某些行仅包含“0”值。

我的问题是，如何将每行值除以行和。显然，使用for循环它是有效的，但我寻找一种有效的方法......

我已经尝试过：

matrix / matrix.sum(1)但我有MemoryError问题。
matrix / scs.csc_matrix((matrix.sum(axis=1)))但ValueError: inconsistent shapes
其他古怪的东西......

此外，我想跳过只有'0'值的行。

所以，如果你有任何解决方案......

提前谢谢！

Answer 1

我有M闲逛：

In [241]: M
Out[241]: 
<6x3 sparse matrix of type '<class 'numpy.uint8'>'
    with 6 stored elements in Compressed Sparse Row format>
In [242]: M.A
Out[242]: 
array([[1, 0, 0],
       [0, 1, 0],
       [0, 0, 1],
       [0, 1, 0],
       [0, 0, 1],
       [1, 0, 0]], dtype=uint8)
In [243]: M.sum(1)            # dense matrix
Out[243]: 
matrix([[1],
        [1],
        [1],
        [1],
        [1],
        [1]], dtype=uint32)
In [244]: M/M.sum(1)      # dense matrix - full size of M
Out[244]: 
matrix([[ 1.,  0.,  0.],
        [ 0.,  1.,  0.],
        [ 0.,  0.,  1.],
        [ 0.,  1.,  0.],
        [ 0.,  0.,  1.],
        [ 1.,  0.,  0.]])

这将解释内存错误 - 如果M太大而导致M.A产生内存错误。

In [262]: S = sparse.csr_matrix(M.sum(1))
In [263]: S.shape
Out[263]: (6, 1)
In [264]: M.shape
Out[264]: (6, 3)
In [265]: M/S
....
ValueError: inconsistent shapes

我不完全确定这里发生了什么。

元素乘法工作

In [266]: M.multiply(S)
Out[266]: 
<6x3 sparse matrix of type '<class 'numpy.uint32'>'
    with 6 stored elements in Compressed Sparse Row format>

因此，如果我将S构建为S = sparse.csr_matrix(1/M.sum(1))

，它应该可行

如果某些行总和为零，则会出现除零问题。

如果我将M修改为0行

In [283]: M.A
Out[283]: 
array([[1, 0, 0],
       [0, 1, 0],
       [0, 0, 0],
       [0, 1, 0],
       [0, 0, 1],
       [1, 0, 0]], dtype=uint8)
In [284]: S = sparse.csr_matrix(1/M.sum(1))
/usr/local/bin/ipython3:1: RuntimeWarning: divide by zero encountered in true_divide
  #!/usr/bin/python3
In [285]: S.A
Out[285]: 
array([[  1.],
       [  1.],
       [ inf],
       [  1.],
       [  1.],
       [  1.]])
In [286]: M.multiply(S)
Out[286]: 
<6x3 sparse matrix of type '<class 'numpy.float64'>'
    with 5 stored elements in Compressed Sparse Row format>
In [287]: _.A
Out[287]: 
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.],
       [ 1.,  0.,  0.]])

这并不是展示这一点的最佳M，但它提出了一种有用的方法。行总和将是密集的，因此您可以使用通常的密集数组方法清理其逆。

稀疏矩阵的划分

1 个答案: