Numpy 中如何矩阵的特征对排序

1. 问题

用 Numpy 求解矩阵特征对的时候，返回结果大小是随机的，而我们数据挖掘求解的时候常需要把特征值按从大到小的顺序排列。如何简单的实现对特征值和特征向量排序呢？

2. 分析

Numpy 的 argsort 函数，可以提取排序后的索引。举例来说

a = np.array([3, 1, 2, 4])
b = np.argsort(a)

其结果为

array([1, 2, 0, 3])

其对应关系为，b 中的元素就是 a 中元素从小到大后的索引。大意如下

                         a = [3, 1, 2, 4]

                         b = [1, 2, 0, 4]
smallest item index <---------+  +  +  +-----> Last smallest item index
                                 |  |
  seconde smallest  <------------+  +--------> Third smallest
        item index                             item index
                             Small to big
                    +------------------------>

但这有一个问题，就是排列都是从小到大，Data Mining 里面很多时候都需要特征值从大到小排列。很遗憾 Numpy 并没有给我们提供选项，所以需要我们自己想办法。考虑到排列顺序乘以相反数以后正好颠倒，我们可以对待排序的 array 取相反数

a = np.array([3, 1, 2, 4])
ma = (-a)
bma = np.argsort(ma)
bma

结果

array([3, 0, 2, 1])

完美。

对特征值排完序，将对应索引传递给特征向量的列，就可以得到对应排序的特征向量。完整示例如下

m = np.array([[1, 0.505, 0.569, 0.602, 0.621, 0.603],
[0.505, 1, 0.422, 0.467, 0.482, 0.45],
[0.569, 0.422, 1, 0.926, 0.877, 0.878],
[0.602, 0.467, 0.926, 1, 0.874, 0.894],
[0.621, 0.482, 0.877, 0.874, 1, 0.937],
[0.603, 0.45, 0.878, 0.894, 0.937, 1]])
evalue, evector = np.linalg.eig(m)
idx = np.argsort(-evalue)
es = evalue[idx]
idx = np.argsort(-evalue)
es = evalue[idx]

输出为

m = array([[1.   , 0.505, 0.569, 0.602, 0.621, 0.603],
       [0.505, 1.   , 0.422, 0.467, 0.482, 0.45 ],
       [0.569, 0.422, 1.   , 0.926, 0.877, 0.878],
       [0.602, 0.467, 0.926, 1.   , 0.874, 0.894],
       [0.621, 0.482, 0.877, 0.874, 1.   , 0.937],
       [0.603, 0.45 , 0.878, 0.894, 0.937, 1.   ]])
evalue = array([4.456 , 0.782, 0.458, 0.168, 0.054, 0.079])
evector = array([[ 0.350,  0.395,  0.846,  0.051,  0.025, -0.014],
       [ 0.286,  0.814, -0.502,  0.020,  0.042, -0.014],
       [ 0.439, -0.263, -0.110,  0.504,  0.332, -0.599],
       [ 0.446, -0.197, -0.098,  0.470, -0.415,  0.597],
       [ 0.448, -0.161, -0.065, -0.548, -0.575, -0.368],
       [ 0.447, -0.213, -0.069 , -0.469,  0.618, 0.382]])
es = array([4.456 , 0.782, 0.458, 0.168, 0.079, 0.054])
ev = array([[ 0.350,  0.395,  0.846,  0.051, -0.014, 0.025],
       [ 0.286,  0.814, -0.502,  0.020, -0.014, 0.042],
       [ 0.439, -0.263, -0.110,  0.504, -0.599, 0.332],
       [ 0.446, -0.197, -0.098,  0.470,  0.597, -0.415],
       [ 0.448, -0.161, -0.065, -0.548, -0.368, -0.575 ],
       [ 0.447, -0.213, -0.069 , -0.469,  0.382, 0.618]])

完美解决。

3. 结论

今天我们讨论了如何对 Numpy 得出的特征值和特征向量排序的问题。argsort 可以得出从小到大排序后的序列号，对其取负可以从大到小排列。对应对特征向量进行列索引，即可得出对应的特征向量。

人生苦短，我用Python。

---