【问题标题】：Boolean index Numpy array with sparse matrix具有稀疏矩阵的布尔索引 Numpy 数组
【发布时间】：2018-01-12 14:55:37
【问题描述】：
我正在尝试通过稀疏矩阵在 numpy 数组上应用布尔索引。
A = dense n x n matrix, where n is large
B = sparse n x n Boolean matrix
示例操作：
A[B] *= 2
A[~B] *= -2
有没有一种有效的方法来实现这一点，而无需将稀疏矩阵转换为密集矩阵（这会导致内存问题）？
【问题讨论】：
标签：
python
numpy
matrix
scipy
sparse-matrix
【解决方案1】：
您可以通过将稀疏矩阵转换为 COO 格式来访问与非零（即 True）值相关的行和列索引：
B = B.tocoo()
然后
A[B.row, B.col] *= 2
避免将B 转换为密集矩阵。
如果B 是稀疏的，那么~B 是相当密集的。
为了有效地处理A[~B] *= -2，我们应该尽量避免直接评估~B。
相反，我们可以在任何地方乘以-2：
A *= -2
然后修复B为True的那些位置：
A[B.row, B.col] *= -1/2