规范Scipy稀疏矩阵的有效方法

Question

我想编写一个函数来规范大型稀疏矩阵的行（这样它们的总和为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，这给出了以下异常：

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

是否有任何合理的简单解决方案？我已经看过这个了，但仍不清楚如何实际进行划分。

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