CSR矩阵：如何用np.nan而不是0替换缺失值？

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