我应该如何从 scipy.sparse.csr.csr_matrix 和列表中进行子采样

Question

我有一个scipy.sparse.csr.csr_matrix 代表文档中的单词和一个列表列表，其中每个索引代表矩阵中每个索引的类别。

我遇到的问题是我需要从数据中随机选择 N 行。

所以如果我的矩阵看起来像这样

[1:3 2:3 4:4]
[1:5 2:5 5:4]

我的列表看起来像这样

((20,40) (80,50))  

我需要采样 1 个值，我可以得到这个

[1:3 2:3 4:4]
((20,40))

我搜索了 scipy 文档，但找不到使用索引列表生成新 csr 矩阵的方法。

Answer 1

您可以使用索引列表简单地索引 csr 矩阵。首先我们创建一个矩阵，看看它：

>>> m = csr_matrix([[0,0,1,0], [4,3,0,0], [3,0,0,8]])
<3x4 sparse matrix of type '<type 'numpy.int64'>'
    with 5 stored elements in Compressed Sparse Row format>

>>>  print m.toarray()
[[0 0 1 0]
 [4 3 0 0]
 [3 0 0 8]]

当然，我们可以很容易地只看第一行：

>>> m[0]
<1x4 sparse matrix of type '<type 'numpy.int64'>'
    with 1 stored elements in Compressed Sparse Row format>

>>> print m[0].toarray()
[[0 0 1 0]]

但我们也可以使用列表[0,2] 作为索引同时查看第一行和第三行：

>>> m[[0,2]]
<2x4 sparse matrix of type '<type 'numpy.int64'>'
    with 3 stored elements in Compressed Sparse Row format>

>>> print m[[0,2]].toarray()
[[0 0 1 0]
 [3 0 0 8]]

现在您可以使用 numpy 的 choice 生成无重复（无替换）的 N 随机索引：

i = np.random.choice(np.arange(m.shape[0]), N, replace=False)

然后您可以从原始矩阵m 中获取这些索引：

sub_m = m[i]

要从您的列表类别列表中获取它们，您必须首先将其设为数组，然后您可以使用列表 i 进行索引：

sub_c = np.asarray(categories)[i]

如果您想返回列表列表，只需使用：

sub_c.tolist()

或者，如果你真正拥有/想要的是一个元组的元组，我认为你必须手动完成：

tuple(map(tuple, sub_c))