将几行 scipy 稀疏矩阵采样到另一个答案

【问题标题】：Sampling few rows of a scipy sparse matrix into another将几行 scipy 稀疏矩阵采样到另一个
【发布时间】：2018-11-05 14:27:01
【问题描述】：

如何对 scipy 稀疏矩阵的一些行进行采样，并从这些采样行中形成一个新的 scipy 稀疏矩阵？

例如。如果我有一个 10 行的 scipy 稀疏矩阵 A，并且我想从 A 中创建一个具有第 1、3、4 行的新 scipy 稀疏矩阵 B，该怎么做？

【问题讨论】：

标签： python python-3.x numpy scipy

【解决方案1】：

用适当的指标矩阵左乘。指标矩阵可以使用scipy.sparse.block_diag构建，也可以直接使用csr格式构建，如下图。

>>> import numpy as np
>>> from scipy import sparse
>>> 
# create example
>>> m, n = 10, 8
>>> subset = [1,3,4]
>>> A = sparse.csr_matrix(np.random.randint(-10, 5, (m, n)).clip(0, None))
>>> A.A
array([[3, 2, 4, 0, 0, 0, 2, 0],
       [0, 0, 2, 0, 0, 0, 0, 0],
       [4, 0, 0, 0, 0, 2, 0, 0],
       [0, 0, 0, 0, 0, 0, 4, 0],
       [3, 0, 0, 0, 1, 4, 0, 0],
       [0, 0, 0, 0, 0, 0, 2, 0],
       [0, 0, 0, 4, 0, 4, 4, 0],
       [0, 2, 0, 0, 0, 3, 0, 0],
       [4, 0, 3, 3, 0, 0, 0, 2],
       [4, 0, 0, 0, 0, 2, 0, 1]], dtype=int64)
>>>
# build indicator matrix
# either using block_diag ...
>>> split_points = np.arange(len(subset)+1).repeat(np.diff(np.concatenate([[0], subset, [m-1]])))
>>> indicator = sparse.block_diag(np.split(np.ones(len(subset), int), split_points)).T
>>> indicator.A
array([[0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 1, 0, 0, 0, 0, 0]], dtype=int64)
>>>
# ... or manually---this also works for non sorted non unique subset,
# and is therefore to be preferred over block_diag
>>> indicator = sparse.csr_matrix((np.ones(len(subset), int), subset, np.arange(len(subset)+1)), (len(subset), m))
>>> indicator.A
array([[0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 1, 0, 0, 0, 0, 0]])
>>> 
# apply
>>> result = indicator@A
>>> result.A
array([[0, 0, 2, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 4, 0],
       [3, 0, 0, 0, 1, 4, 0, 0]], dtype=int64)

【讨论】：

有没有办法对行进行索引，然后将它们附加到新矩阵中？我真正想做的是创建一个新矩阵，假设原始矩阵的第 1 行 k 次，原始矩阵的第 3 行 l 次和第 4 行原始矩阵 m 次。
看起来使用 vstack 是一种方法。但它的效率非常低，因为它会创建一个新矩阵来垂直堆叠每一行。
@Sujay_K 你的意思是缩放还是重复？在第一种情况下使用indicator = sparse.csr_matrix((your_weights, subset, np.arange(len(subset)+1)), (len(subset), m))。在第二种情况下，使用 `indicator = sparse.csr_matrix((np.ones(np.sum(your_repeats), int), np.repeat(subset, your_repeats), np.arange(np.sum(your_repeats)+1)) , (np.sum(your_repeats), m))
@hpaulj 很高兴知道。谢谢！
@Sujay_K，警告主要是为了阻止它反复循环使用。对于一次性操作，编入索引的csr 设置可能仍然比替代设置更快（例如转换为lil）。