python - 标准化 Scipy 稀疏矩阵的有效方法

Question

我想编写一个函数，对大型稀疏矩阵的行进行归一化(使它们总和为 1)。

from pylab import *
import scipy.sparse as sp

def normalize(W):
    z = W.sum(0)
    z[z < 1e-6] = 1e-6
    return W / z[None,:]

w = (rand(10,10)<0.1)*rand(10,10)
w = sp.csr_matrix(w)
w = normalize(w)

但是这会产生以下异常:

File "/usr/lib/python2.6/dist-packages/scipy/sparse/base.py", line 325, in __div__
     return self.__truediv__(other)
File "/usr/lib/python2.6/dist-packages/scipy/sparse/compressed.py", line 230, in  __truediv__
   raise NotImplementedError

是否有任何相当简单的解决方案？我看过this ，但我仍然不清楚如何实际进行除法。

Answer 1

这已在 scikit-learn sklearn.preprocessing.normalize 中实现.

from sklearn.preprocessing import normalize
w_normalized = normalize(w, norm='l1', axis=1)

axis=1 应该按行归一化，axis=0 应该按列归一化。使用可选参数 copy=False 来修改矩阵。