Python稀疏矩阵删除除一个之外的重复索引？

Question

我正在计算向量矩阵之间的余弦相似度，并在稀疏矩阵中得到结果，如下所示:

• (0, 26) 0.359171459261
• (0, 25) 0.121145761751
• (0, 24) 0.316922015914
• (0, 23) 0.157622038039
• (0, 22) 0.636466644041
• (0, 21) 0.136216495731
• (0, 20) 0.243164535496
• (0, 19) 0.348272617805
• (0, 18) 0.636466644041
• (0, 17) 1.0

但是有重复的例子:

(0, 24) 0.316922015914 and (24, 0) 0.316922015914

我想要做的是通过索引删除它们并成为(如果我有 (0,24) 那么我不需要 (24, 0) 因为它是相同的)只留下其中一个并删除第二个，对于矩阵中的所有向量。 目前我有以下代码来创建矩阵:

vectorized_words = sparse.csr_matrix(vectorize_words(nostopwords,glove_dict))
cos_similiarity = cosine_similarity(vectorized_words,dense_output=False)

总而言之，我不想删除所有重复项，我想使用 pythonic 方式只留下其中一个。

提前谢谢您!

Answer 1

我认为获取 coo 格式矩阵的上三角是最简单的:

首先制作一个小的对称矩阵:

In [876]: A = sparse.random(5,5,.3,'csr')
In [877]: A = A+A.T
In [878]: A
Out[878]: 
<5x5 sparse matrix of type '<class 'numpy.float64'>'
    with 11 stored elements in Compressed Sparse Row format>
In [879]: A.A
Out[879]: 
array([[ 0.        ,  0.        ,  0.81388978,  0.        ,  0.        ],
       [ 0.        ,  0.        ,  0.73944395,  0.20736975,  0.98968617],
       [ 0.81388978,  0.73944395,  0.        ,  0.        ,  0.        ],
       [ 0.        ,  0.20736975,  0.        ,  0.05581152,  0.04448881],
       [ 0.        ,  0.98968617,  0.        ,  0.04448881,  0.        ]])

转换为coo，并将下三角数据值设置为0

In [880]: Ao = A.tocoo()
In [881]: mask = (Ao.row>Ao.col)
In [882]: mask
Out[882]: 
array([False, False, False, False,  True,  True,  True, False, False,
        True,  True], dtype=bool)
In [883]: Ao.data[mask]=0

转换回 0，并使用 eliminate_zeros 修剪矩阵。

In [890]: A1 = Ao.tocsr()
In [891]: A1
Out[891]: 
<5x5 sparse matrix of type '<class 'numpy.float64'>'
    with 11 stored elements in Compressed Sparse Row format>
In [892]: A1.eliminate_zeros()
In [893]: A1
Out[893]: 
<5x5 sparse matrix of type '<class 'numpy.float64'>'
    with 6 stored elements in Compressed Sparse Row format>
In [894]: A1.A
Out[894]: 
array([[ 0.        ,  0.        ,  0.81388978,  0.        ,  0.        ],
       [ 0.        ,  0.        ,  0.73944395,  0.20736975,  0.98968617],
       [ 0.        ,  0.        ,  0.        ,  0.        ,  0.        ],
       [ 0.        ,  0.        ,  0.        ,  0.05581152,  0.04448881],
       [ 0.        ,  0.        ,  0.        ,  0.        ,  0.        ]])

coo 和 csr 格式都有一个就地 eliminate_zeros 方法。

<小时/>

def eliminate_zeros(self):
    """Remove zero entries from the matrix

    This is an *in place* operation
    """
    mask = self.data != 0
    self.data = self.data[mask]
    self.row = self.row[mask]
    self.col = self.col[mask]

您可以将此代码作为仅消除 lower_triangle 值的模型，而不是使用 Ao.data[mask]=0。