有效地将阈值函数应用于 SciPy 稀疏 csr_matrix答案

【问题标题】：Efficiently applying a threshold function to SciPy sparse csr_matrix有效地将阈值函数应用于 SciPy 稀疏 csr_matrix
【发布时间】：2017-12-05 23:54:55
【问题描述】：

我有一个 1 列 x 行的 SciPy csr_matrix（在这种情况下是一个向量）。其中是浮点值，我需要将其转换为离散类标签 -1、0 和 1。这应该通过将浮点值映射到这 3 个类标签之一的阈值函数来完成。

除了迭代Iterating through a scipy.sparse vector (or matrix) 中描述的元素之外，没有别的办法吗？我很想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返回。

【问题讨论】：

csc 格式在表示列向量时更加紧凑。
如果不是特别稀疏，那么我建议使用密集数组版本，M.toarray()（或M.A）。
谢谢！如果我只迭代一次，是否值得先将其转换为数组？我的意思是，转换的开销不是会吃掉数组的优势吗？

标签： python numpy scipy sparse-matrix array-broadcasting

【解决方案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])

语法是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])

要将其应用于 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]])

【讨论】：

这在语法糖方面看起来不错，谢谢。我想它不会快多少，从关于 np.where() 性能的快速搜索。
np.where 类似于其他 numpy 矢量化函数，其中循环在编译后的代码中执行。一般来说，它比使用 Python for 循环对除最小数组之外的所有元素进行迭代要快得多。