[英]scipy sparse matrix: remove the rows whose all elements are zero
我有一個稀疏矩陣,它是從sklearn tfidfVectorier轉換而來的。 我相信有些行是全零行。 我想刪除它們。 但是,據我所知,現有的內置函數,例如nonzero()和eliminate_zero(),專注於零條目而不是行。
有沒有簡單的方法從稀疏矩陣中刪除全零行?
示例:我現在擁有的(實際上是稀疏格式):
[ [0, 0, 0]
[1, 0, 2]
[0, 0, 1] ]
我想得到什么:
[ [1, 0, 2]
[0, 0, 1] ]
切片+ getnnz()
可以解決問題:
M = M[M.getnnz(1)>0]
直接在csr_array
上csr_array
。 您也可以刪除所有0列而不更改格式:
M = M[:,M.getnnz(0)>0]
但是,如果你想刪除你需要的兩個
M = M[M.getnnz(1)>0][:,M.getnnz(0)>0] #GOOD
我不知道為什么但是
M = M[M.getnnz(1)>0, M.getnnz(0)>0] #BAD
不起作用。
沒有現有的功能,但編寫自己的功能並不算太糟糕:
def remove_zero_rows(M):
M = scipy.sparse.csr_matrix(M)
首先,將矩陣轉換為CSR(壓縮稀疏行)格式。 這很重要,因為CSR矩陣將其數據存儲為三個(data, indices, indptr)
,其中data
保存非零值, indices
存儲列索引, indptr
保存行索引信息。 文檔解釋得更好:
行i的列索引存儲在
indices[indptr[i]:indptr[i+1]]
,它們的對應值存儲在data[indptr[i]:indptr[i+1]]
。
因此,要查找沒有任何非零值的行,我們只需查看M.indptr
連續值M.indptr
。 從上面繼續我們的功能:
num_nonzeros = np.diff(M.indptr)
return M[num_nonzeros != 0]
CSR格式的第二個好處是切片行相對便宜,這簡化了生成矩陣的創建。
謝謝你的回復@perimosocordiae
我自己找到另一種解決方案。 我發布在這里以防將來有人可能需要它。
def remove_zero_rows(X)
# X is a scipy sparse matrix. We want to remove all zero rows from it
nonzero_row_indice, _ = X.nonzero()
unique_nonzero_indice = numpy.unique(nonzero_row_indice)
return X[unique_nonzero_indice]
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.