如何计算numpy数组/矩阵的稀疏度百分比？

我有以下10由5 numpy的阵列/矩阵，其具有多个NaN值：如何计算numpy数组/矩阵的稀疏度百分比？

array([[ 0., 0., 0., 0., 1.], 
     [ 1., 1., 0., nan, nan], 
     [ 0., nan, 1., nan, nan], 
     [ 1., 1., 1., 1., 0.], 
     [ 0., 0., 0., 1., 0.], 
     [ 0., 0., 0., 0., nan], 
     [ nan, nan, 1., 1., 1.], 
     [ 0., 1., 0., 1., 0.], 
     [ 1., 0., 1., 0., 0.], 
     [ 0., 1., 0., 0., 0.]])

一个人如何测量该阵列是究竟如何稀疏？ numpy中是否有简单的函数来测量缺失值的百分比？

来源

2016-08-01 ShanZhengYang

这个怎么样的http：//文档。 scipy.org/doc/scipy/reference/sparse.html？ – Christos

'sparse.html'记录了一个创建稀疏矩阵的包，但是我没有看到“稀疏”度量函数。稀疏性意味着许多“0”值，而不是“nan”值。 – hpaulj

np.isnan(a).sum()

给出nan值的数量，在本实施例8

np.prod(a.shape)

是值的数量，这里50.他们比应得到所需的值。

In [1081]: np.isnan(a).sum()/np.prod(a.shape) 
Out[1081]: 0.16

您也可能会发现它很有用，从这个

In [1085]: a_ma=np.ma.masked_invalid(a) 
In [1086]: print(a_ma) 
[[0.0 0.0 0.0 0.0 1.0] 
[1.0 1.0 0.0 -- --] 
[0.0 -- 1.0 -- --] 
[1.0 1.0 1.0 1.0 0.0] 
[0.0 0.0 0.0 1.0 0.0] 
[0.0 0.0 0.0 0.0 --] 
[-- -- 1.0 1.0 1.0] 
[0.0 1.0 0.0 1.0 0.0] 
[1.0 0.0 1.0 0.0 0.0] 
[0.0 1.0 0.0 0.0 0.0]]

然后有效值的数量做一个屏蔽数组：

In [1089]: a_ma.compressed().shape 
Out[1089]: (42,)

来源

2016-08-01 22:25:58 hpaulj

如何计算numpy数组/矩阵的稀疏度百分比？

回答

相关问题