Cách hiệu quả để chuẩn hóa một Ma trận thưa thớt Scipy

Question

Tôi muốn viết một hàm bình thường hóa các hàng của một ma trận thưa thớt lớn (như vậy chúng tổng hợp thành một).

from pylab import * 
import scipy.sparse as sp 

def normalize(W): 
    z = W.sum(0) 
    z[z < 1e-6] = 1e-6 
    return W/z[None,:] 

w = (rand(10,10)<0.1)*rand(10,10) 
w = sp.csr_matrix(w) 
w = normalize(w) 

Tuy nhiên này cung cấp cho các ngoại lệ sau đây:

File "/usr/lib/python2.6/dist-packages/scipy/sparse/base.py", line 325, in __div__ 
    return self.__truediv__(other) 
File "/usr/lib/python2.6/dist-packages/scipy/sparse/compressed.py", line 230, in __truediv__ 
    raise NotImplementedError 

Có bất kỳ giải pháp hợp lý đơn giản? Tôi đã xem this, nhưng vẫn chưa rõ cách thực sự làm việc phân chia.

Answer 1

Điều này đã được triển khai trong scikit-learn sklearn.preprocessing.normalize.

from sklearn.preprocessing import normalize 
w_normalized = normalize(w, norm='l1', axis=1) 

axis=1 nên bình thường hóa theo hàng, axis=0 để chuẩn hóa theo cột. Sử dụng đối số tùy chọn copy=False để sửa đổi ma trận tại chỗ.

Answer 2

đây là giải pháp của tôi.

• transpose Một tổng
• tính toán của mỗi col
• dạng đường chéo ma trận B với đối ứng của tổng
• A * B bằng bình thường

• transpose C

  import scipy.sparse as sp 
  import numpy as np 
  import math 
  
  minf = 0.0001 
  
  A = sp.lil_matrix((5,5)) 
  b = np.arange(0,5) 
  A.setdiag(b[:-1], k=1) 
  A.setdiag(b) 
  print A.todense() 
  A = A.T 
  print A.todense() 
  
  sum_of_col = A.sum(0).tolist() 
  print sum_of_col 
  c = [] 
  for i in sum_of_col: 
      for j in i: 
       if math.fabs(j)<minf: 
        c.append(0) 
       else: 
        c.append(1/j) 
  
  print c 
  
  B = sp.lil_matrix((5,5)) 
  B.setdiag(c) 
  print B.todense() 
  
  C = A*B 
  print C.todense() 
  C = C.T 
  print C.todense()