python之以不同的方式二值化python中的稀疏矩阵

假设我有一个像这样的矩阵:

4 0 3 5 
0 2 6 0 
7 0 1 0 

我希望它二值化为:

0 0 0 0 
0 1 0 0 
0 0 1 0 

即设置阈值等于2，任何大于阈值的元素设置为0，任何小于或等于阈值(0除外)的元素设置为1。

我们可以在 python 的 csr_matrix 或任何其他稀疏矩阵上执行此操作吗？

我知道 scikit-learn 提供 Binarizer 将低于或等于阈值的值替换为 0，高于阈值的值替换为 1。

请您参考如下方法:

处理稀疏矩阵时，s ，避免包含零的不等式，因为稀疏矩阵(如果您正确使用它)应该有很多零，并且形成一个包含所有零位置的数组将是巨大的。所以避免 s <= 2例如。使用远离零选择的不等式。

import numpy as np 
from scipy import sparse 
 
s = sparse.csr_matrix(np.array([[4, 0, 3, 5], 
         [0, 2, 6, 0], 
         [7, 0, 1, 0]])) 
 
print(s) 
# <3x4 sparse matrix of type '<type 'numpy.int64'>' 
#   with 7 stored elements in Compressed Sparse Row format> 
 
s[s > 2] = 0 
s[s != 0] = 1 
 
print(s.todense()) 

产量

matrix([[0, 0, 0, 0], 
        [0, 1, 0, 0], 
        [0, 0, 1, 0]])