scipy稀疏矩陣：刪除所有元素為零的行

Question

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] ]

Answer 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。

Answer 2

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。

Answer 3

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]