python常见需注意操作——稀疏矩阵内元素的放缩

稀疏矩阵内部元素的放缩

假如我们定义了一个稀疏矩阵，如下所示：

import scipy as spy
import numpy as np
N=4
row=[1, 1, 1, 2, 2, 3, 3, 3, 0, 0]
col=[2, 3, 3, 1, 3, 2, 3, 0, 3, 1]
value=[11, 12, 13, 14, 15, 16,17, 18, 19, 10]
A=spy.sparse.csc_matrix((value,(row,col)),shape=(N, N))
print(A.todense())

[[ 0 10  0 19]
 [ 0  0 11 25]
 [ 0 14  0 15]
 [18  0 16 17]]

操作1：对1行2列元素除以12

A[0,1]=A[0,1]/12
print(A.todense())

执行结果：

[[ 0  0  0 19]
 [ 0  0 11 25]
 [ 0 14  0 15]
 [18  0 16 17]]

操作2：将该矩阵的每列除以它的列和

for i in range(0, np.size(A, 0)):
    col_sum=np.sum(A[:,i])
    A[:,i]=A[:,i]/col_sum
print(A.todense())

执行结果：

[[0 0 0 0]
 [0 0 0 0]
 [0 0 0 0]
 [1 0 0 0]]

---

这都不是我们想要看到的结果！因为矩阵A的元素类型不对，需要改成float型！正确代码如下：
实现操作1：

import scipy as spy
import numpy as np
N=4
row=[1, 1, 1, 2, 2, 3, 3, 3, 0, 0]
col=[2, 3, 3, 1, 3, 2, 3, 0, 3, 1]
value=[11, 12, 13, 14, 15, 16,17, 18, 19, 10]
A=spy.sparse.csc_matrix((value,(row,col)),shape=(N, N), dtype=np.dtype(float))
A[0,1]=A[0,1]/12
print(A.todense())

期望结果：

[[  0.           0.83333333   0.          19.        ]
 [  0.           0.          11.          25.        ]
 [  0.          14.           0.          15.        ]
 [ 18.           0.          16.          17.        ]]

实现操作2：

import scipy as spy
import numpy as np
N=4
row=[1, 1, 1, 2, 2, 3, 3, 3, 0, 0]
col=[2, 3, 3, 1, 3, 2, 3, 0, 3, 1]
value=[11, 12, 13, 14, 15, 16,17, 18, 19, 10]
A=spy.sparse.csc_matrix((value,(row,col)),shape=(N, N), dtype=np.dtype(float))

for i in range(0, np.size(A, 0)):
    col_sum=np.sum(A[:,i])
    A[:,i]=A[:,i]/col_sum
print(A.todense())

期望结果：

[[ 0.          0.41666667  0.          0.25      ]
 [ 0.          0.          0.40740741  0.32894737]
 [ 0.          0.58333333  0.          0.19736842]
 [ 1.          0.          0.59259259  0.22368421]]