scipy稀疏矩阵：删除所有元素都为z的行

Question

我有一个稀疏矩阵，它是从sklearn tfidfVectorier转换而来的。我相信有些行都是零行。我想把它们移走。然而，据我所知，现有的内置函数，例如nonzero（）和eximinate_zero（），关注的是零个条目，而不是行。

有什么简单的方法可以从稀疏矩阵中删除所有的零行吗？

示例： 我现在拥有的（实际上是稀疏格式的）：

[ [0, 0, 0]
  [1, 0, 2]
  [0, 0, 1] ]

我想得到的是：

[ [1, 0, 2]
  [0, 0, 1] ]

Answer 1

谢谢你的回复，@perimosocordiae

我只是自己找到另一个解决办法。我在这里发帖，以防将来有人需要。

def remove_zero_rows(X)
    # X is a scipy sparse matrix. We want to remove all zero rows from it
    nonzero_row_indice, _ = X.nonzero()
    unique_nonzero_indice = numpy.unique(nonzero_row_indice)
    return X[unique_nonzero_indice]

Answer 2

切片可以做到：

M = M[M.getnnz(1)>0]

直接作用于csr_array。 也可以在不更改格式的情况下删除所有0列：

M = M[:,M.getnnz(0)>0]

但是，如果要同时删除它们，则需要

M = M[M.getnnz(1)>0][:,M.getnnz(0)>0] #GOOD

我不知道为什么但是

M = M[M.getnnz(1)>0, M.getnnz(0)>0] #BAD

不起作用。

Answer 3

目前还没有这方面的函数，但编写自己的函数也不算太糟：

def remove_zero_rows(M):
  M = scipy.sparse.csr_matrix(M)

首先，将矩阵转换为CSR (compressed sparse row)格式。这一点很重要，因为CSR矩阵将其数据存储为(data, indices, indptr)的三元组，其中data保存非零值，indices存储列索引，而indptr保存行索引信息。这些文件解释得更好：

the column indices for row i are stored in indices[indptr[i]:indptr[i+1]] and their corresponding values are stored in data[indptr[i]:indptr[i+1]].

因此，要查找没有任何非零值的行，我们可以只查看M.indptr的连续值。从上面继续我们的职能：

  num_nonzeros = np.diff(M.indptr)
  return M[num_nonzeros != 0]

CSR格式的第二个好处是对行进行切片相对便宜，这简化了生成的矩阵的创建。