有效地将阈值函数应用于 SciPy 稀疏 csr_matrix

Question

我有 1 列 x 行的 SciPy csr_matrix（在本例中为向量）。其中有浮点值，我需要将其转换为离散的 class 标签 -1、0 和 1。这应该使用阈值函数来完成，该函数将浮点值映射到这 3 个 class 标签之一.

除了Iterating through a scipy.sparse vector (or matrix)中描述的遍历元素之外，还有其他办法吗？我希望有一些优雅的方式来以某种方式在所有元素上映射（thresholdfunc（））。

请注意，虽然它是 csr_matrix 类型，但它实际上并不是稀疏的，因为它只是涉及稀疏矩阵的另一个函数的 return。

Answer 1

如果您有一个数组，您可以使用 np.where 函数根据某些条件进行离散化。例如：

>>> import numpy as np
>>> x = np.arange(10)
>>> np.where(x < 5, 0, 1)
array([0, 0, 0, 0, 0, 1, 1, 1, 1, 1])

语法为np.where(BOOLEAN_ARRAY, VALUE_IF_TRUE, VALUE_IF_FALSE)。您可以将两个 where 语句链接在一起以具有多个条件：

>>> np.where(x < 3, -1, np.where(x > 6, 0, 1))
array([-1, -1, -1,  1,  1,  1,  1,  0,  0,  0])

要将此应用于 CSR 或 CSC 稀疏矩阵中的数据，您可以使用 .data 属性，它使您可以访问包含稀疏矩阵中所有非零条目的内部数组。例如：

>>> from scipy import sparse
>>> mat = sparse.csr_matrix(x.reshape(10, 1))
>>> mat.data = np.where(mat.data < 3, -1, np.where(mat.data > 6, 0, 1))
>>> mat.toarray()
array([[ 0],
       [-1],
       [-1],
       [ 1],
       [ 1],
       [ 1],
       [ 1],
       [ 0],
       [ 0],
       [ 0]])

有效地将阈值函数应用于 SciPy 稀疏 csr_matrix

Efficiently applying a threshold function to SciPy sparse csr_matrix

python

numpy

scipy

sparse-matrix

array-broadcasting