csr_matrix:如何获取前十个值和索引？

Question

我有一个很大的csr_matrix，我对前十个值及其每行的索引感兴趣。但是我没有找到一个合适的方法来操纵矩阵。

这是我目前的解决方案，主要思想是逐行处理它们：

row = csr_matrix.getrow(row_number).toarray()[0].ravel()
top_ten_indicies = row.argsort()[-10:]
top_ten_values = row[row.argsort()[-10:]]

这样做，就没有充分利用csr_matrix的优点。这更像是一种暴力解决方案。

Answer 1

为了回答最初的问题（对于像我这样发现这个问题的人来说是为了寻找复制的意大利面），这里有一个基于@hpaulj的建议的使用多处理的解决方案，即转换成lil_matrix，并在行上迭代

from multiprocessing import Pool

def _top_k(args):
    """
    Helper function to process a single row of top_k
    """
    data, row = args
    data, row = zip(*sorted(zip(data, row), reverse=True)[:k])
    return data, row

def top_k(m, k):
    """
    Keep only the top k elements of each row in a csr_matrix
    """
    ml = m.tolil()
    with Pool() as p:
        ms = p.map(_top_k, zip(ml.data, ml.rows))
    ml.data, ml.rows = zip(*ms)
    return ml.tocsr()