如何对 scipy.sparse.csr_matrix 类型的矩阵进行元素运算？

在 numpy 中，如果你想计算矩阵每个条目的正弦（元素化），那么

a = numpy.arange(0,27,3).reshape(3,3)
numpy.sin(a)

会完成工作的！如果你想要力量，让我们说每个条目 2 个

a**2

会做的。

但如果你有一个稀疏矩阵，事情看起来会更困难。至少除了迭代 lil_matrix 格式的每个条目并对其进行操作之外，我还没有找到一种方法来做到这一点。

我找到了这个问题关于SO https://stackoverflow.com/questions/3247775/how-to-elementwise-multiply-a-scipy-sparse-matrix-by-a-broadcasted-dense-1d-arra并尝试去适应这个答案 https://stackoverflow.com/a/3357645/641514但我没有成功。

目标是按元素计算 CSR 格式的 scipy.sparse 矩阵的平方根（或 1/2 的幂）。

你有什么建议？

以下技巧适用于任何将零映射到零的操作，并且仅适用于这些操作，因为它只涉及非零元素。也就是说，它将适用于sin and sqrt但不是为了cos.

Let X是一些企业社会责任矩阵...

>>> from scipy.sparse import csr_matrix
>>> X = csr_matrix(np.arange(10).reshape(2, 5), dtype=np.float)
>>> X.A
array([[ 0.,  1.,  2.,  3.,  4.],
       [ 5.,  6.,  7.,  8.,  9.]])

非零元素的值为X.data:

>>> X.data
array([ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9.])

您可以就地更新：

>>> X.data[:] = np.sqrt(X.data)
>>> X.A
array([[ 0.        ,  1.        ,  1.41421356,  1.73205081,  2.        ],
       [ 2.23606798,  2.44948974,  2.64575131,  2.82842712,  3.        ]])

Update在 SciPy 的最新版本中，您可以执行以下操作X.sqrt() where X是一个稀疏矩阵，用于获取新副本，其中元素的平方根X.