的elementwise在Python（numpy的）平均點積

我有兩個numpy的矩陣（或稀疏當量），如：的elementwise在Python（numpy的）平均點積

>>> A = numpy.array([[1,0,2],[3,0,0],[4,5,0],[0,2,2]]) 
>>> A 
array([[1, 0, 2], 
     [3, 0, 0], 
     [4, 5, 0], 
     [0, 2, 2]]) 
>>> B = numpy.array([[2,3],[3,4],[5,0]]) 
>>> B 
array([[2, 3], 
     [3, 4], 
     [5, 0]]) 

>>> C = mean_dot_product(A, B) 
>>> C 
array([[6 , 3], 
     [6 , 9], 
     [11.5, 16], 
     [8 , 8]])

其中C[i, j] = sum(A[i,k] * B[k,j])/count_nonzero(A[i,k] * B[k,j])

有瓶坯在numpy的這種操作的快捷方式？

非理想的解決方案是：

>>> maskA = A > 0 
>>> maskB = B > 0 

>>> maskA.dtype=numpy.uint8 
>>> maskB.dtype=numpy.uint8 

>>> D = replace_zeros_with_ones(numpy.dot(maskA,maskB)) 

>>> C = numpy.dot(A,B)/D

任何人都有一個更好的算法？另外，如果A或B是稀疏矩陣，使它們變得密集（用零代替零）會使內存佔用暴增！

來源

2012-11-22 dvdios

爲什麼你需要replace_zeros_with_ones？我刪除這一行並運行你的代碼，並得到正確的結果。

可以只由一個行，如果所有的數字都沒有negtaive做到這一點：

np.dot(A, B)/np.dot(np.sign(A), np.sign(B))

來源

2012-11-22 23:15:44 HYRY

'默認numpy.sign'產生簽訂'int64'陣（0，+ 1，-1），要使用該函數得到相同的結果，你應該使用'numpy.sign（A，dtype = numpy.uint8）'。然後你必須用0代替零，以避免0/0（在我的例子中'np.dot（np.sign（A），np.sign（B））'中不存在零） – dvdios

的elementwise在Python（numpy的）平均點積

回答

相關問題