Эффективный способ нормализовать скудную разреженную матрицу

Я хотел бы написать функцию, которая нормализует строки большой разреженной матрицы (так, чтобы они суммировались в одну).

from pylab import *
import scipy.sparse as sp

def normalize(W):
    z = W.sum(0)
    z[z < 1e-6] = 1e-6
    return W / z[None,:]

w = (rand(10,10)
 seberg06 сент. 2012 г., 22:39
Это в основном дубликат:stackoverflow.com/questions/12237954/... как это неНе имеет значения, является ли построчное поэлементное умножение или деление. Конечно, если у кого-то есть лучший ответ, отлично :)
 sterne07 сент. 2012 г., 14:14
Большое спасибо!
 Emmet21 авг. 2013 г., 03:39
AFAICT это 'дубликатstackoverflow.com/questions/8358962/...
 conradlee13 сент. 2012 г., 00:28
Я не согласен, это другая проблема. Дубликат, на который вы указали, выполняет поэлементное умножение, в то время как этот вопрос, кажется, хочет разделить каждую строку на другое значение (а не на все ненулевые элементы на одно и то же значение). Аарон МакДейдПриведенное ниже решение должно работать эффективно (и не требует копирования данных).

Ответы на вопрос(3)

Решение Вопроса

Это было реализовано вscikit-learn sklearn.preprocessing.normalize.

from sklearn.preprocessing import normalize
w_normalized = normalize(w, norm='l1', axis=1)

axis=1 следует нормализовать по строкам,axis=0 нормализовать по столбцу. Используйте необязательный аргументcopy=False изменить матрицу на месте.

 Leo10 июл. 2015 г., 14:56
Обратите внимание, что если вы нормализуете по признакам (axis = 0), то возвращаемая матрица имеет тип 'CSC» даже если бы былксо», Это может быть неприятно, если вы рассчитываете, чтоксо»

вот мое решение.

транспонировать Арассчитать сумму каждого колдиагональная матрица формата B с обратной величиной суммыA * B равно нормализации

транспонировать C

import scipy.sparse as sp
import numpy as np
import math

minf = 0.0001

A = sp.lil_matrix((5,5))
b = np.arange(0,5)
A.setdiag(b[:-1], k=1)
A.setdiag(b)
print A.todense()
A = A.T
print A.todense()

sum_of_col = A.sum(0).tolist()
print sum_of_col
c = []
for i in sum_of_col:
    for j in i:
        if math.fabs(j)

Хотя ответ Аарона верен, я реализовал решение, когда хотел нормализоваться относительно максимумаабсолютный ценности, которые склеарн не предлагает. Мой метод использует ненулевые записи и находит их в массиве csr_matrix.data для быстрой замены значений там.

def normalize_sparse(csr_matrix):
    nonzero_rows = csr_matrix.nonzero()[0]
    for idx in np.unique(nonzero_rows):
        data_idx = np.where(nonzero_rows==idx)[0]
        abs_max = np.max(np.abs(csr_matrix.data[data_idx]))
        if abs_max != 0:
            csr_matrix.data[data_idx] = 1./abs_max * csr_matrix.data[data_idx]

В отличие от СунанВ этом случае этот метод не требует преобразования матрицы в плотный формат (что может вызвать проблемы с памятью) и умножения матриц. Я проверил метод на разреженной матрице формы (35 '000, 486 '000) и это заняло ~ 18 секунд.

Ваш ответ на вопрос