我有一个矩阵,其中包含[0,5]之间的数字。矩阵非常稀疏,大多数元素为零。我想将最小-最大缩放比例分别应用于每一行,以使所有元素都在[-1,1]之间。但是,我只考虑非零元素。例如,考虑以下矩阵:
[[0.5 3. 0. 2. 0. ]
[0. 4. 5. 0. 0. ]
[3. 0. 0. 2.5 4. ]]
转换后,它看起来像:(如您所见,未触及0个元素)
[[-1. 1. 0. 0.2 0. ]
[ 0. -1. 1. 0. 0. ]
[-0.33333333 0. 0. -1. 1. ]]
我可以使用以下代码在普通的numpy数组上执行此操作:
max_arr = A.max(axis=1)
min_arr = np.where(A == 0, A.max(), A).min(axis=1)
row_idx, col_idx = A.nonzero()
A_scaled = np.zeros_like(A)
for row, col in zip(row_idx, col_idx):
element = A[row, col]
A_scaled[row, col] = 2 * ((element - min_arr[row]) / (max_arr[row] - min_arr[row])) - 1
这里有几个问题。首先,它很慢(可能是因为for循环?)。另一件事是我的矩阵是稀疏的,所以我想使用稀疏csr_matrix
格式。如果矩阵A
为csr_matrix
,则此代码不起作用。它在第2行显示错误ValueError: setting an array element with a sequence.
我该如何以快速且内存高效的方式实现这一目标?我查看了sklearn.preprocessing.MinMaxScaler
,但它不支持通过排除零进行缩放。
答案 0 :(得分:1)
这是csr_matrix
矩阵的一种矢量化方法-
def scale_sparse_matrix_rows(s, lowval=0, highval=1):
d = s.data
lens = s.getnnz(axis=1)
idx = np.r_[0,lens[:-1].cumsum()]
maxs = np.maximum.reduceat(d, idx)
mins = np.minimum.reduceat(d, idx)
minsr = np.repeat(mins, lens)
maxsr = np.repeat(maxs, lens)
D = highval - lowval
scaled_01_vals = (d - minsr)/(maxsr - minsr)
d[:] = scaled_01_vals*D + lowval
样品运行-
1)设置输入csr_matrix:
In [153]: a
Out[153]:
array([[0.5, 3. , 0. , 2. , 0. ],
[0. , 4. , 5. , 0. , 0. ],
[3. , 0. , 0. , 2.5, 4. ]])
In [154]: from scipy.sparse import csr_matrix
In [155]: s = csr_matrix(a)
2)运行建议的方法并验证结果:
In [156]: scale_sparse_matrix_rows(s, lowval=-1, highval=1)
In [157]: s.toarray()
Out[157]:
array([[-1. , 1. , 0. , 0.2 , 0. ],
[ 0. , -1. , 1. , 0. , 0. ],
[-0.33333333, 0. , 0. , -1. , 1. ]])