Python scipy.sparse.csr_矩阵行过滤-如何正确实现？

我正在使用一些scipy.sparse.csr_矩阵。老实说，我手头有一个来自Scikit learn的TfidfVectorizer：

vectorizer = TfidfVectorizer(min_df=0.0005)
textsMet2 = vectorizer.fit_transform(textsMet)

这是一个矩阵：

textsMet2
<999x1632 sparse matrix of type '<class 'numpy.float64'>'
    with 5042 stored elements in Compressed Sparse Row format>

并得到一个错误：

文件“D:\Apps\Python\lib\site packages\scipy\sparse\sputils.py”，第327行，在\u boolean\u index\u to\u数组中 提升索引器（'无效索引形状'） 索引器：索引形状无效

如果删除索引的最后一部分，我会得到一些奇怪的结果：

textsMet2[(textsMet2.sum(axis=1)>0)]
<1x492 sparse matrix of type '<class 'numpy.float64'>'
with 1 stored elements in Compressed Sparse Row format>

textsMet2[（textsMet2.sum（轴=1）>0]

为什么它只显示一行矩阵

---

再一次，我想得到这个矩阵的所有行，它们有任何非零元素。有人知道怎么做吗？

你需要解开你的面具。下面是我目前正在研究的一些代码：

tr_matrix = pipeline.fit_transform(train_text, y_train, **fit_params) # remove documents with too few features to_keep_train = tr_matrix.sum(axis=1) >= config['min_train_features'] to_keep_train = np.ravel(np.array(to_keep_train)) logging.info('%d/%d train documents have enough features', sum(to_keep_train), len(y_train)) tr_matrix = tr_matrix[to_keep_train, :] tr_矩阵=pipeline.fit_变换（序列文本、y_序列、**fit_参数） #删除功能过少的文档 保持列车=tr\u matrix.sum（轴=1）>=config['min\u train\u features'] to_keep_train=np.ravel（np.array（to_keep_train）） logging.info（“%d/%d个序列文档具有足够的功能”， 总和（保持列车），len（y列车）） tr_matrix=tr_matrix[保持训练：]

---

这有点不雅观，但完成了任务。

很酷，谢谢。我不认为它返回的是应该重新格式化的内容

sum（1）

返回的是

矩阵

，而不是

稀疏矩阵

np.ravel（…）

返回一个数组。有时，您只需要进行实验，看看是什么将稀疏矩阵转换为矩阵再转换为数组，等等。 tr_matrix = pipeline.fit_transform(train_text, y_train, **fit_params) # remove documents with too few features to_keep_train = tr_matrix.sum(axis=1) >= config['min_train_features'] to_keep_train = np.ravel(np.array(to_keep_train)) logging.info('%d/%d train documents have enough features', sum(to_keep_train), len(y_train)) tr_matrix = tr_matrix[to_keep_train, :]