使用numpy将向量转换为遮罩矩阵

Question

假设我们有以下向量：

v = np.array([4, 0, 1])

目的是创建5 x 3矩阵M ，如下所示：

[[0 1 0]
 [0 0 1]
 [0 0 0]
 [0 0 0]
 [1 0 0]]

v相应索引的每一列中只有一个元素等于1。 例如，由于v[0]为4，则M[4, 0] == 1 ，由于v[2]为1，则M[1, 2] == 1 。

如何使用scipy和numpy在Python中建立这样的矩阵？ 在MATLAB中，您可以在一行中使用sparse函数和full函数来执行此操作。 我不希望使用for循环，因为我正在寻找对此的矢量化实现。

Answer 1

你可以做：

from scipy import sparse

inds = np.array([4, 0, 1])
values = np.ones_like(inds)       # [1, 1, 1]
index = np.arange(inds.shape[0])  # 3
m = sparse.csc_matrix((values, (inds, index)), shape=(5, 3))

输出：

>>> m.todense()
matrix([[0, 1, 0],
        [0, 0, 1],
        [0, 0, 0],
        [0, 0, 0],
        [1, 0, 0]])

Answer 2

如果需要密集的数组输出，则可以使用两个整数数组来索引非零元素的行/列：

v = np.array([4, 0, 1])
x = np.zeros((5, 3), np.int)
x[v, np.arange(3)] = 1

print(x)
# [[0 1 0]
#  [0 0 1]
#  [0 0 0]
#  [0 0 0]
#  [1 0 0]]