python - 了解聚类中的 np.zeros

Question

我正在学习聚类，并且在几个教程中看到了一些我不太理解的相似性度量部分的内容:

tfidf_vector = TfidfVectorizer()
tfidf_matrix = tfidf_vector.fit_transform(file)

#and/or

count_vector = CountVectorizer()
count_matrix = count_vector.fit_transform(file)

#AND HERE
file_size = len(file)
x = np.zeros((file_size, file_size))
#and here the similarity measures like cosine_similarity, jaccard...

for elm in range(file_size):
    x[elm] = cosine_similarity(tfidf_matrix[i:i+1], tfidf_matrix)

y = np.subtract(np.ones((file_size, file_size),dtype = np.float), x)

new_file = np.asarray(y)
w = new_file.reshape((1,file_size,file_size))

为什么我们需要 np.zeros？ tfidf_matrix/count_matrix 不足以用于相似性度量吗？

Answer 1

这段代码做了同样的事情(我将i更改为elm，因为它看起来像是一个拼写错误)

x = []
for elm in range(file_size):
    x.append(cosine_similarity(tfidf_matrix[elm:elm+1], tfidf_matrix)
x = np.asarray(x)

您还可以将 np.zeros 替换为 np.empty。预先创建数组，然后填充数组的每个元素，比追加到列表然后将其转换为 numpy 数组要稍微高效一些。许多其他编程语言需要像 numpy 一样预先分配数组，这就是为什么很多人选择以这种方式填充数组的原因。

然而，由于这是Python，你应该做任何你认为对你自己和其他人来说最容易阅读的方法。