python - Scipy 稀疏矩阵 - 仅对非零元素进行逐元素乘法和除法

Question

我有三个稀疏矩阵 A , B , 和 C ，我想计算以下元素的结果:(A*B)/C ，即逐元素相乘 A与 B ，然后按元素除以 C .
当然，因为 C是稀疏的，除以零导致大多数矩阵元素设置为无穷大/nan。但是，我对这些元素不感兴趣，因为满足我的需要 A本质上是一个掩码，A 中的所有零索引结果中应该保持零。实际上，如果我们决定 0/0=0，即使它们可以被屏蔽，scipy 也会计算这些项目。 .
避免 A 中为零的元素的冗余计算的最佳方法是什么？ ?
具体性示例:

A = sparse.csr_matrix(np.identity(100))
B = sparse.csr_matrix(np.identity(100) * 2)
C = sparse.csr_matrix(np.identity(100) * 5)

Z = ((A*B)/C)

Z[0,0]
>>> 0.4
Z[0,1]
>>> nan

要求的结果:

Z[0,0]
>>> 0.4
Z[0,1]
>>> 0.0

注意:我最感兴趣的是这个操作的性能。

Answer 1

这是最好的方法，但如果 C.data里面有任何 0，它们仍然会以 NaN 的形式出现.您选择如何处理此问题可能取决于您究竟在做什么。

A = sparse.csr_matrix(np.identity(100))
B = sparse.csr_matrix(np.identity(100) * 2)
C = sparse.csr_matrix(np.identity(100) * 5)

C.data = 1 / C.data

Z = A*B*C

>>> Z
<100x100 sparse matrix of type '<class 'numpy.float64'>'
    with 100 stored elements in Compressed Sparse Row format>

>>> Z[0,0]
0.4
>>> Z[0,1]
0.0