如何解决将向量 / csr 矩阵行乘以 numpy / scipy 中的“梯度下降”权重

我有一个 csr matrix，我的想法是将每一行乘以与矩阵行中最大值顺序相关的权重。如果该行有 5 个非零值，则将最大值乘以 5（归一化），第二个乘以 4，以此类推。

实际上是受WMA in trading的启发，所以在5个值的情况下，最大乘以5/(5+4+3..1)（权重总和）。

是否有任何优化的算法可以在 numpy 或 scipy 中执行此操作？

解决方法

我会做这样的事情：

from scipy.sparse import csr_matrix
M = csr_matrix([2,4],dtype=np.float64)
NZ = np.nonzero(M.getrow(0).A[0])[0]
for k,v in enumerate(np.flip(np.argsort(M.getrow(0).A[0][NZ]))):
    M[0,NZ[v]] *= ((len(NZ)-k) / (len(NZ) * (len(NZ) + 1) // 2))

结果矩阵 M 为：

array([[0.66666667,0.,2.66666667]])

============================================

下面是另一个解决方案，但它使用排序，这是我不想要的，我意识到：

x = np.array([3,1,2]) # row of a matrix
s = np.argsort(x)     # indexes representing ordered values (asc order)
s = np.flip(s)        # flipping asc to desc
y = x[s] * [(len(x)-k)/x.sum() for k,v in enumerate(s)] # do the magic

y 现在是：

array([1.5,0.66666667,0.16666667])

因此与乘法相同：（注意顺序已更改）

np.array([3,2,1])

带权重：

np.array([0.5,0.3333333333333333,0.16666666666666666])

唯一的问题是，x 必须重新排序，因为 argsort 表示值的顺序，而不是值的顺序，同时保持原始值的顺序。

其他解决方案可以使用 np.fromfunction() 或 np.vectorize() 来调用向量上的回调（我需要知道值的索引来执行诸如 3-index 之类的操作以获得目标权重）但对于我的大脑现在更容易理解列表。