如何解决CSR矩阵:如何用np.nan而不是0替换缺失值?
默认情况下,似乎csr_matrix
用0
填充了缺失值。那么如何用np.nan
填充缺失的值?
from scipy.sparse import csr_matrix
row = np.array([0,1,2,2])
col = np.array([0,2])
data = np.array([0,3,4,5,6])
csr_matrix((data,(row,col)),shape=(3,3)).toarray()
输出:
array([[0,2],[0,3],[4,6]])
预期:
array([[0,np.nan,[np.nan,6]])
解决方法
csr_matrix不可能,因为它定义为存储非零元素。
如果您真的需要这些nan,只需操纵密集的结果即可。
a=csr_matrix((data,(row,col)),shape=(3,3)).toarray()
a[a == 0] = np.nan
,
这是一个解决方法:
from scipy.sparse import csr_matrix
row = np.array([0,1,2,2])
col = np.array([0,2])
data = np.array([0,3,4,5,6])
mask = csr_matrix(([1]*len(data),3)).toarray()
mask[mask==0] = np.nan
csr_matrix((data,3)).toarray() * mask
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。