Python 在scipy稀疏矩阵上掩码为真时，将元素设置为零的有效方法

我有两个scipy_sparse_csr_矩阵'a'和scipy_sparse_csr_矩阵（布尔）'mask'，我想将'a'的元素设置为零，其中mask的元素为真

比如说

>>>a
<3x3 sparse matrix of type '<type 'numpy.int32'>'
    with 4 stored elements in Compressed Sparse Row format>
>>>a.todense()
matrix([[0, 0, 3],
        [0, 1, 5],
        [7, 0, 0]])

>>>mask
<3x3 sparse matrix of type '<type 'numpy.bool_'>'
    with 4 stored elements in Compressed Sparse Row format>
>>>mask.todense()
matrix([[ True, False,  True],
        [False, False,  True],
        [False,  True, False]], dtype=bool)

或

但我认为上述操作效率低下。由于“a”和“掩码”的实际形状为67108864×2000000，因此在高规格服务器（64核Xeon cpu，512GB内存）上执行这些操作需要几秒钟。例如，“a”大约有30000000个非零元素，“mask”大约有1800000个非零（真）元素，那么上述操作大约需要2秒钟

有没有更有效的方法

情况如下

a、 getnnz（）！=mask.getnnz（）

a、 shape=mask.shape

谢谢

其他方式（已尝试）

---

我最初的印象是，这种乘减法是合理的。通常，

sparse

代码将操作实现为某种乘法，即使密集等价物使用更直接的方法。行或列上的稀疏和使用矩阵与1的适当行或列矩阵相乘。偶数行或列索引使用矩阵乘法（至少在

csr

格式上）

有时，我们可以通过直接使用矩阵属性（

data

，

index

，

indptr

）来改进操作。但这需要更多的思考和实验

对于密集阵列，我的第一次尝试是

In [611]: a.A*~(mask.A)
Out[611]: 
array([[0, 0, 0],
       [0, 1, 0],
       [7, 0, 0]], dtype=int32)

但是没有一种直接的方法可以对稀疏矩阵执行

not

。如果

mask

确实稀疏，那么

~mask

就不会稀疏。在您的示例中，

mask

有4个真项，5个假项，因此密集版本也可以：

In [612]: nmask=sparse.csr_matrix(~(mask.A))
In [615]: a.multiply(nmask)
Out[615]: 
<3x3 sparse matrix of type '<class 'numpy.int32'>'
    with 2 stored elements in Compressed Sparse Row format>

这也适用于稀疏的

In [622]: a2=a.copy()
In [624]: a2[mask]
Out[624]: matrix([[0, 3, 5, 0]], dtype=int32)
In [625]: a2[mask]=0
/usr/local/lib/python3.5/dist-packages/scipy/sparse/compressed.py:730: SparseEfficiencyWarning: Changing the sparsity structure of a csr_matrix is expensive. lil_matrix is more efficient.
  SparseEfficiencyWarning)
In [626]: a2
Out[626]: 
<3x3 sparse matrix of type '<class 'numpy.int32'>'
    with 6 stored elements in Compressed Sparse Row format>

有趣的是，

al[mask]

仍然是稀疏的，而as

a[mask]

是密集的。这两种格式使用不同的索引方法

在某种程度上的稀疏性，可能值得迭代

掩码

的真（非零）元素，将

a

的相应项直接设置为零

---

我不会猜测这些方法的相对速度。这需要在真实的数据上进行测试。

如何比较

a

和

mask

的

nnz

？除了不一样。两个人都一样稀少吗？谢谢你的回答，@hpaulj！很抱歉把你弄糊涂了。条件1仅表示“掩码的非零（假）元素数与a的元素数不同”。正如您所说，我无法将~应用于矩阵，因为实际矩阵的形状太大。我尝试了一个[mask]=0，但花了一分钟。我刚想到使用.data/消去0来搜索你的答案（添加到问题的最后）。我将在周一对实际数据进行测试。谢谢我在实际数据上尝试了新方法，但它花费的时间是乘法方法的两倍。我并不太惊讶。

a.data*=~np.array(mask[a.astype(np.bool)]).flatten();a.eliminate_zeros() #This takes twice the time longer than above method.

In [611]: a.A*~(mask.A)
Out[611]: 
array([[0, 0, 0],
       [0, 1, 0],
       [7, 0, 0]], dtype=int32)

In [612]: nmask=sparse.csr_matrix(~(mask.A))
In [615]: a.multiply(nmask)
Out[615]: 
<3x3 sparse matrix of type '<class 'numpy.int32'>'
    with 2 stored elements in Compressed Sparse Row format>

In [618]: a1=a.A
In [619]: a1[mask.A]=0

In [622]: a2=a.copy()
In [624]: a2[mask]
Out[624]: matrix([[0, 3, 5, 0]], dtype=int32)
In [625]: a2[mask]=0
/usr/local/lib/python3.5/dist-packages/scipy/sparse/compressed.py:730: SparseEfficiencyWarning: Changing the sparsity structure of a csr_matrix is expensive. lil_matrix is more efficient.
  SparseEfficiencyWarning)
In [626]: a2
Out[626]: 
<3x3 sparse matrix of type '<class 'numpy.int32'>'
    with 6 stored elements in Compressed Sparse Row format>

In [628]: a2.eliminate_zeros()
In [629]: a2
Out[629]: 
<3x3 sparse matrix of type '<class 'numpy.int32'>'
    with 2 stored elements in Compressed Sparse Row format>

In [638]: al=a.tolil()
In [639]: al[mask]
Out[639]: 
<1x4 sparse matrix of type '<class 'numpy.int32'>'
    with 2 stored elements in LInked List format>
In [640]: al[mask]=0
In [641]: al
Out[641]: 
<3x3 sparse matrix of type '<class 'numpy.int32'>'
    with 2 stored elements in LInked List format>