Scipy稀疏矩阵–仅非零元素的逐元素乘法和除法

如何解决Scipy稀疏矩阵–仅非零元素的逐元素乘法和除法

我有三个稀疏矩阵A，B和C，并且我想计算(A*B)/C的按元素结果，即按元素相乘A与B，然后逐个除以C。

自然地，由于C稀疏，所以除以零会导致大多数矩阵元素设置为无穷/南。但是，我对这些元素不感兴趣，因为出于我的需要，A实际上是一个掩码，并且A中的所有零索引应在结果中保持零。实际上，即使我们决定0/0=0，scipy也会计算这些项目，即使它们可能被掩盖。

避免在A中为零的元素进行冗余计算的最佳方法是什么？

具体示例：

A = sparse.csr_matrix(np.identity(100))
B = sparse.csr_matrix(np.identity(100) * 2)
C = sparse.csr_matrix(np.identity(100) * 5)

Z = ((A*B)/C)

Z[0,0]
>>> 0.4
Z[0,1]
>>> nan

必填结果：

Z[0,1]
>>> 0.0

注意：我对此操作的执行最感兴趣。

解决方法

这是执行此操作的最佳方法，但是如果C.data中包含0，则它们仍会以NaN的形式出现。您选择如何处理此问题可能取决于您到底在做什么。

A = sparse.csr_matrix(np.identity(100))
B = sparse.csr_matrix(np.identity(100) * 2)
C = sparse.csr_matrix(np.identity(100) * 5)

C.data = 1 / C.data

Z = A*B*C

>>> Z
<100x100 sparse matrix of type '<class 'numpy.float64'>'
    with 100 stored elements in Compressed Sparse Row format>

>>> Z[0,0]
0.4
>>> Z[0,1]
0.0