替换稀疏 csr 矩阵中的值

Question

我想在这样的

scipy.sparse.csr_matrix中用零替换 -1 值：

a = [ -1 0 -1 0 -1 1
      1 -1 0 -1 0 0 ]

期望输出：

b = [ 0 0 0 0 0 1
      1 0 0 0 0 0 ]

Answer 1

一种方法（仅在 #nnz 上进行线性时间运算）：

from scipy.sparse import find, csr_matrix
import numpy as np
# Create the data (Taken from DavidG's answer! Thanks!)
data = np.array([-1, 0, -1, 0, -1, 1, 1, -1, 0, -1, 0, 0]).reshape(2, 6)
a = csr_matrix((data), dtype=np.int8)
nnz_inds = a.nonzero()
keep = np.where(a.data == 1)[0]
n_keep = len(keep)
b = csr_matrix((np.ones(n_keep), (nnz_inds[0][keep], nnz_inds[1][keep])), shape=a.shape)
# CHECK
print('a')
print(a.todense())
print('b')
print(b.todense())

输出：

a
[[-1  0 -1  0 -1  1]
 [ 1 -1  0 -1  0  0]]
b
[[ 0.  0.  0.  0.  0.  1.]
 [ 1.  0.  0.  0.  0.  0.]]

基本思想很简单：

• 查找非零的所有位置（利用稀疏性）
• 在上面过滤以获得 1 所在的所有位置
• 使用准备好的位置和数据从头开始创建一个新矩阵（利用稀疏性）