如何消除（Python）中稀疏矩阵中的零点？

Question

我需要一个稀疏矩阵（我正在使用 scipy.sparse 中的 Compressed Sparse Row Format (CSR)）来进行一些计算。我以 (data, (row, col)) 元组的形式拥有它。不幸的是，一些行和列将全部为零，我想摆脱这些零。现在我有：

[In]:
     from scipy.sparse import csr_matrix
     aa = csr_matrix((1,2,3), ((0,2,2), (0,1,2))
     aa.todense()
[Out]:
     matrix([[1, 0, 0],
             [0, 0, 0],
             [0, 2, 3]], dtype=int64)

我想要：

[Out]:
    matrix([[1, 0, 0],
            [0, 2, 3]], dtype=int64)

在对象上使用方法 eliminate_zeros() 后，我得到 None:

[In]:
     aa2 = csr_matrix.eliminate_zeros(aa)
     type(aa2)
[Out]:
     <class 'NoneType'>

为什么那个方法会把它变成None？

有没有其他方法可以获得稀疏矩阵（不必是 CSR）并轻松摆脱空 rows/columns？

我正在使用 Python 3.4.0.

Answer 1

在 CSR 格式中，去除全零行相对容易：

>>> import scipy.sparse as sps
>>> a = sps.csr_matrix([[1, 0, 0], [0, 0, 0], [0, 2, 3]])
>>> a.indptr
array([0, 1, 1, 3])
>>> mask = np.concatenate(([True], a.indptr[1:] != a.indptr[:-1]))
>>> mask  # 1st occurrence of unique a.indptr entries
array([ True,  True, False,  True], dtype=bool)
>>> sps.csr_matrix((a.data, a.indices, a.indptr[mask])).A
array([[1, 0, 0],
       [0, 2, 3]])

然后您可以将稀疏数组转换为 CSC 格式，然后完全相同的技巧将删除所有零列。

我不确定它的性能如何，但语法更易读：

>>> a[a.getnnz(axis=1) != 0][:, a.getnnz(axis=0) != 0].A
array([[1, 0, 0],
       [0, 2, 3]])

也有效。

如何消除（Python）中稀疏矩阵中的零点？

How to eliminate zeros in sparse matrix in (Python)?

python-3.x

scipy

sparse-matrix