使用 numpy 将向量转换为掩码矩阵

Question

假设我们有以下向量：

v = np.array([4, 0, 1])

目标是创建 5 x 3 矩阵 M，如下所示：

[[0 1 0]
 [0 0 1]
 [0 0 0]
 [0 0 0]
 [1 0 0]]

对于v中相应的索引，每一列中只有一个元素等于1。例如，因为 v[0] 是 4 那么 M[4, 0] == 1，并且因为 v[2] 是 1 那么 M[1, 2] == 1.

如何使用 scipy 和 numpy 在 Python 中构建这样的矩阵？在 MATLAB 中，您可以在一行中使用 sparse 和 full 函数来完成此操作。我不想使用 for 循环，因为我正在寻找它的矢量化实现。

Answer 1

你可以这样做：

from scipy import sparse

inds = np.array([4, 0, 1])
values = np.ones_like(inds)       # [1, 1, 1]
index = np.arange(inds.shape[0])  # 3
m = sparse.csc_matrix((values, (inds, index)), shape=(5, 3))

输出：

>>> m.todense()
matrix([[0, 1, 0],
        [0, 0, 1],
        [0, 0, 0],
        [0, 0, 0],
        [1, 0, 0]])

Answer 2

如果你想要一个密集的数组输出，你可以只使用两个整数数组来索引 rows/cols 的非零元素：

v = np.array([4, 0, 1])
x = np.zeros((5, 3), np.int)
x[v, np.arange(3)] = 1

print(x)
# [[0 1 0]
#  [0 0 1]
#  [0 0 0]
#  [0 0 0]
#  [1 0 0]]

使用 numpy 将向量转换为掩码矩阵

Convert a vector to a mask matrix using numpy

python

numpy

matrix

vectorization

scipy