如何在Python的SciPy中删除稀疏矩阵中的小元素？

Question

我有一个与 Sean Laws 示例非常相似的问题，您可以在这里找到： https: //seanlaw.github.io/2019/02/27/set-values-in-sparse-matrix/

就我而言，我想删除稀疏 csr 矩阵中的所有元素，这些元素的绝对值小于某个 epsilon。

首先我尝试了类似的东西

x[abs(x) < 3] = 0

但是 SciPy 关于效率低下的警告让我看到了上面链接中 Sean Laws 的解释。然后我尝试操作他的示例代码，但找不到解决我的问题的方法。

这是代码，添加了一些否定条目。示例代码将删除所有小于 3 的负数条目。我尝试使用 np.abs() 并添加第二个逻辑运算符，但到目前为止尚未成功。

import numpy as np
from scipy.sparse import csr_matrix

x = csr_matrix(np.array([[1, 0.1, -2, 0, 3], 
                         [0, -4, -1, 5, 0]]))


nonzero_mask = np.array(x[x.nonzero()] < 3)[0]
rows = x.nonzero()[0][nonzero_mask]
cols = x.nonzero()[1][nonzero_mask]

x[rows, cols] = 0
print(x.todense())

给出

[[0. 0. 0. 0. 3.]
 [0. 0. 0. 5. 0.]]

但我想要的是

[[0. 0. 0. 0. 3.]
 [0. -4. 0. 5. 0.]]

非常感谢任何帮助，我觉得我缺少一些非常基本的东西。先感谢您！

Answer 1

In [286]: from scipy import sparse                                              
In [287]: x = sparse.csr_matrix(np.array([[1, 0.1, -2, 0, 3],  
     ...:                          [0, -4, -1, 5, 0]])) 
     ...:  
     ...:    

您的测试也x选择 0 值，因此会出现效率警告。但仅应用于data属性中的非零值：

In [288]: x.data                                                                
Out[288]: array([ 1. ,  0.1, -2. ,  3. , -4. , -1. ,  5. ])
In [289]: mask = np.abs(x.data)<3                                               
In [290]: mask                                                                  
Out[290]: array([ True,  True,  True, False, False,  True, False])
In [291]: x.data[mask]=0                                                        
In [292]: x.A                                                                   
Out[292]: 
array([[ 0.,  0.,  0.,  0.,  3.],
       [ 0., -4.,  0.,  5.,  0.]])

这实际上并没有从矩阵中删除元素，但有一种清理方法：

In [293]: x                                                                     
Out[293]: 
<2x5 sparse matrix of type '<class 'numpy.float64'>'
    with 7 stored elements in Compressed Sparse Row format>
In [294]: x.eliminate_zeros()                                                   
In [295]: x                                                                     
Out[295]: 
<2x5 sparse matrix of type '<class 'numpy.float64'>'
    with 3 stored elements in Compressed Sparse Row format>