[英]Sum over rows in scipy.sparse.csr_matrix
我的csr_matrix很大,我想添加行並獲得具有相同列數但行數減少的新csr_matrix。 (上下文:該矩陣是從sklearn CountVectorizer獲得的文檔項矩陣,我希望能夠根據與這些文檔相關的代碼快速組合文檔)
舉一個最小的例子,這是我的矩陣:
import numpy as np
from scipy.sparse import csr_matrix
from scipy.sparse import vstack
row = np.array([0, 4, 1, 3, 2])
col = np.array([0, 2, 2, 0, 1])
dat = np.array([1, 2, 3, 4, 5])
A = csr_matrix((dat, (row, col)), shape=(5, 5))
print A.toarray()
[[1 0 0 0 0]
[0 0 3 0 0]
[0 5 0 0 0]
[4 0 0 0 0]
[0 0 2 0 0]]
不用說我想要一個新的矩陣B
,其中行(1,4)和(2,3,5)通過求和來合並,看起來像這樣:
[[5 0 0 0 0]
[0 5 5 0 0]]
並且應該再次采用稀疏格式(因為我正在使用的實際數據量很大)。 我試圖對矩陣的切片求和,然后將其堆疊:
idx1 = [1, 4]
idx2 = [2, 3, 5]
A_sub1 = A[idx1, :].sum(axis=1)
A_sub2 = A[idx2, :].sum(axis=1)
B = vstack((A_sub1, A_sub2))
但是,這僅給切片中的非零列提供了求和值,因此我無法將其與其他切片結合使用,因為求和切片中的列數不同。
我覺得必須有一個簡單的方法來做到這一點。 但是我在網上或文檔中都找不到對此的任何討論。 我想念什么?
謝謝您的幫助
請注意,您可以通過仔細構造另一個矩陣來做到這一點。 這是對密集矩陣的工作方式:
>>> S = np.array([[1, 0, 0, 1, 0,], [0, 1, 1, 0, 1]])
>>> np.dot(S, A.toarray())
array([[5, 0, 0, 0, 0],
[0, 5, 5, 0, 0]])
>>>
稀疏版本只是稍微復雜一點。 關於應將哪些行加在一起的信息在row
編碼:
col = range(5)
row = [0, 1, 1, 0, 1]
dat = [1, 1, 1, 1, 1]
S = csr_matrix((dat, (row, col)), shape=(2, 5))
result = S * A
# check that the result is another sparse matrix
print type(result)
# check that the values are the ones we want
print result.toarray()
輸出:
<class 'scipy.sparse.csr.csr_matrix'>
[[5 0 0 0 0]
[0 5 5 0 0]]
您可以通過在更高的價值在處理你的輸出更多的行row
和延長的形狀S
相應。
索引應為:
idx1 = [0, 3] # rows 1 and 4
idx2 = [1, 2, 4] # rows 2,3 and 5
然后,您需要將A_sub1
和A_sub2
保持為稀疏格式,並使用axis=0
:
A_sub1 = csr_matrix(A[idx1, :].sum(axis=0))
A_sub2 = csr_matrix(A[idx2, :].sum(axis=0))
B = vstack((A_sub1, A_sub2))
B.toarray()
array([[5, 0, 0, 0, 0],
[0, 5, 5, 0, 0]])
注意,我認為A[idx, :].sum(axis=0)
操作涉及到稀疏矩陣的轉換-因此@Mr_E的答案可能更好。
可替代地,它的工作原理,當您使用axis=0
和np.vstack
(相對於scipy.sparse.vstack
):
A_sub1 = A[idx1, :].sum(axis=0)
A_sub2 = A[idx2, :].sum(axis=0)
np.vstack((A_sub1, A_sub2))
贈送:
matrix([[5, 0, 0, 0, 0],
[0, 5, 5, 0, 0]])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.