1

如果我有一个大的 csr_matrix A，我想对它的列求和， A.sum(axis=0) 这只是为我做的，对吗？对应的轴值是：1->rows, 0->columns？

当我想对列表中指定的某些权重的列进行求和时，我卡住了，例如 [1 2 3 4 5 4 3 ... 4 2 5] 的长度与 csr_matrix A 中的行数相同。更清楚一点，我想要每个列向量与这个权重向量的内积。如何使用 Python 实现这一点？

这是我的代码的一部分：

uniFeature = csr_matrix(uniFeature)
[I,J] = uniFeature.shape
sumfreq = uniFeature.sum(axis=0)
sumratings = []

for j in range(J):
    column = uniFeature.getcol(j)
    column = column.toarray()
    sumtemp = np.dot(ratings,column)
    sumratings.append(sumtemp)

sumfreq = sumfreq.toarray()
average = np.true_divide(sumratings,sumfreq)

（Numpy 导入为 np）有一个权重向量“ratings”，程序应该输出矩阵“uniFeature”每一列的平均评分。

我尝试直接用评级（这是一个列表）来点 column=uniFeature.getcol(j)，但是有一个错误说格式不同意。在 column.toarray() 之后就可以了，然后加上评级。但是，是不是让每一列都回到密集的形式失去了稀疏矩阵的意义，并且会很慢？我运行了上面的代码，显示结果太慢了。我想应该有一种方法可以有效地将向量“评级”与稀疏矩阵的每一列点在一起。

提前致谢！

4

0 回答 0