从仅包含零的稀疏矩阵中有效删除列的最佳方法是什么。我有一个矩阵，我已经创建并填充了数据：
matrix = sp.sparse.lil_matrix((100, 100))
我现在希望删除〜最后20列只包含零数据的列。我怎样才能做到这一点？
从仅包含零的稀疏矩阵中有效删除列的最佳方法是什么。我有一个矩阵，我已经创建并填充了数据：
matrix = sp.sparse.lil_matrix((100, 100))
我现在希望删除〜最后20列只包含零数据的列。我怎样才能做到这一点？
如果这只是一个numpy数组， X那么你可以说 X!=0 这会给你一个形状相同的布尔数组 X，然后你可以索引 X 使用布尔数组，即 non_zero_entries = X[X!=0]
但这是一个稀疏矩阵，它不支持布尔索引，如果你尝试也不会给你你想要的东西 X!=0 - 它只返回一个布尔值，如果它们是完全相同的矩阵（在内存中），它似乎只返回true。
你想要的是什么 nonzero 来自numpy的方法。
import numpy as np
from scipy import sparse
X = sparse.lil_matrix((100,100)) # some sparse matrix
X[1,17] = 1
X[17,17] = 1
indices = np.nonzero(X) # a tuple of two arrays: 0th is row indices, 1st is cols
X.tocsc()[indices] # this just gives you the array of all non-zero entries
如果您只想要存在非零条目的完整列，那么只需从索引中获取第1列。除非您需要考虑重复索引（如果列中有多个条目）：
columns_non_unique = indices[1]
unique_columns = sorted(set(columns_non_unique))
X.tocsc()[:,unique_columns]
这看起来像是方式，虽然效率不理想：
matrix = matrix[0:100,0:80]
人们也可以使用
scipy.sparse.find()
获取稀疏矩阵中所有非零元素的位置。
该 [1]返回值中的条目是一个numpy列数列。从此数组中获取唯一值将给出非零列的索引。通过这些列对原始稀疏矩阵进行子集化可以得到非零列。
x[:,np.unique(sparse.find(x)[1])]
可以将其扩展为查找列 至少n 项：
idx = np.unique(sparse.find(x)[1], return_counts=True)
x[:, idx[0][idx[1] > n]]