python – 访问scipy.sparse.csr_matrix,所有没有列为零的行
发布时间：2020-12-20 13:27:26 所属栏目：Python 来源：网络整理
导读：我希望我的问题很清楚,但是我要说我有一个稀疏矩阵如下： import numpy as npa = np.eye(5,5)a[0,3]=1a[3,0]=1a[4,2]=1a[3,2]=1a = csr_matrix(a)[[ 1. 0. 0. 1. 0.] [ 0. 1. 0. 0. 0.] [ 0. 0. 1. 0. 0.] [ 1. 0. 1. 1. 0.] [ 0. 0. 1. 0. 1.]] 我想得到的
|
我希望我的问题很清楚,但是我要说我有一个稀疏矩阵如下：
import numpy as np a = np.eye(5,5) a[0,3]=1 a[3,0]=1 a[4,2]=1 a[3,2]=1 a = csr_matrix(a) [[ 1. 0. 0. 1. 0.] [ 0. 1. 0. 0. 0.] [ 0. 0. 1. 0. 0.] [ 1. 0. 1. 1. 0.] [ 0. 0. 1. 0. 1.]] 我想得到的是,例如,列2的值为“1”的所有行作为稀疏矩阵,如： (0,2) 1.0 (1,3) 1.0 (1,0) 1.0 (2,4) 1.0 (2,2) 1.0 另外,我希望将列2值的所有行设为’0’作为另一个稀疏矩阵,3) 1.0 (0,0) 1.0 (1,1) 1.0 我不确定我的代码是否有效,但目前我所做的是： b = np.asarray(a.getcol(2).todense()).reshape(-1) iPos = np.nonzero(b)[0] iZero = np.nonzero(np.logical_not(b))[0] a1 = a[iPos,:] a0 = a[iZero,:] 那么还有更优雅的方法吗？ 解决方法
这是一种方法：
import numpy as np
from scipy.sparse import csr_matrix
a = np.eye(5,2]=1
a = csr_matrix(a)
dense = np.asarray(a.todense())
column = np.asarray(a.getcol(2).todense()).reshape(-1)
print "dense"
# operations on full dense matrix
print "1"
print csr_matrix( np.vstack([ line for line in dense if line[2] == 1 ]) )
print "2"
print csr_matrix( np.vstack([ line for line in dense if line[2] == 0 ]) )
print "sparse"
# Operations on sparse matrix
result1 = []
result2 = []
for irow in range(a.shape[0]):
if column[irow] == 1:
[ result1.append( (irow,indice) ) for indice in a[irow].indices ]
else :
[ result2.append( (irow,indice) ) for indice in a[irow].indices ]
print result1,result2
第一种方法非常紧凑,但使用全密集输入矩阵(如果你处理大矩阵可能会烦恼),而第二种方法只适用于稀疏矩阵,但结果对象是元组列表,而不是scipy .sparse.matrix. （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |