如果您有一个稀疏矩阵X:
>> print type(X)
<class 'scipy.sparse.csr.csr_matrix'>
如何对每行中每个元素的平方求和,并将其保存到列表中?例如:
>>print X.todense()
[[0 2 0 2]
[0 2 0 1]]
如何将其转化为每行的平方和列表:
[[0²+2²+0²+2²]
[0²+2²+0²+1²]]
或:[8, 5]
首先,csr矩阵有一个.sum
方法(依赖于点积),效果很好,所以你需要的是平方。最简单的解决方案是创建稀疏矩阵的副本,对其数据进行平方,然后求和:
squared_X = X.copy()
# now square the data in squared_X
squared_X.data **= 2
# and sum each row:
squared_sum = squared_X.sum(1)
# and delete the squared_X:
del squared_X
如果你真的必须节省空间,我想你可以更换.data
,然后再把它换回来,类似于
X.sum_duplicate() # make sure, not sure if this happens with normal usage.
old_data = X.data.copy()
X.data **= 2
squared_sum = X.sum(1)
X.data = old_data
EDIT:实际上还有另一种很好的方法,因为csr矩阵有一种用于元素乘法的.multiply
方法:
squared_sum = X.multiply(X).sum(1)
添加:因此,通过访问存储所有非零元素值的csr.data
,可以轻松地执行元素操作注意:我想.sum_duplicates()
可能是必要的,我不确定什么样的操作会使它成为必要。