Csr 矩阵：如何用 np.nan 而不是 0 替换缺失值？

Posted 2023-03-12

【中文标题】Csr 矩阵：如何用 np.nan 而不是 0 替换缺失值？

【英文标题】：Csr matrix: How to replace missing value with np.nan instead of 0?

【发布时间】：2020-12-02 20:09:05

【问题描述】：

似乎csr_matrix 默认用0 填充缺失值。那么如何用np.nan填充缺失值呢？

from scipy.sparse import csr_matrix
row = np.array([0, 0, 1, 2, 2, 2])
col = np.array([0, 2, 2, 0, 1, 2])
data = np.array([0, 2, 3, 4, 5, 6])
csr_matrix((data, (row, col)), shape=(3, 3)).toarray()

输出：

array([[0, 0, 2],
       [0, 0, 3],
       [4, 5, 6]])

预期：

array([[0, np.nan, 2],
       [np.nan, np.nan, 3],
       [4, 5, 6]])

【问题讨论】：

“缺失值”是什么意思？ scipy 稀疏矩阵格式存储非零值。其余为 0。句号，句号！我怀疑您是否会在任何 scipy.sparse 文档中发现“缺失”。

scipy 稀疏类，尤其是csr 格式，是为数学设计的，尤其是线性代数和矩阵乘法。 nan 填充会以非常不同的方式表现。

【参考方案1】：

这里有一个解决方法：

from scipy.sparse import csr_matrix
row = np.array([0, 0, 1, 2, 2, 2])
col = np.array([0, 2, 2, 0, 1, 2])
data = np.array([0, 2, 3, 4, 5, 6])

mask = csr_matrix(([1]*len(data), (row, col)), shape=(3, 3)).toarray()
mask[mask==0] = np.nan

csr_matrix((data, (row, col)), shape=(3, 3)).toarray() * mask

【参考方案2】：

使用 csr_matrix 是不可能的，它根据定义存储非零元素。

如果您真的需要这些 nan，只需操作密集的结果。

a=csr_matrix((data, (row, col)), shape=(3, 3)).toarray()
a[a == 0] = np.nan

【讨论】：

Emm，这不是我的期望。我的原始数据包含0，但我不想将其更改为np.nan。我只想用np.nan 填充缺失值。顺便说一句，我无法成功运行您的代码，因为出现了 ValueError: cannot convert float NaN to integer 之类的错误。

好吧，那么 csr_matrix 无法满足您的期望 :-)。 W.R.T.错误，这就是所说的：您的矩阵包含整数，并且没有整数 nan。如果你想要 nans，请指定 dtype=float。

这会将所有 0 值转换为 NaN，这不是一个正确的解决方案，因为 OP 想要具有 NaN 值和 0 值的结果。该解决方案需要在解决方案中同时保留零和 NaN。