python函数之csr_matrix

csr_matrix表示逐行（注意csr的r,row）压缩矩阵,类似地，也有个函数csc_matrix（c:column)表示逐列压缩。

形式：csr_matrix( (data, indices, indptr), shape=(x,y) ）

shape就是压缩后的矩阵的形状，x行y列；

data就是矩阵里面存储的值；

indptr可以看作是记录了每个会话中的项目数量；（在推荐中有多个用户，每个用户创建了多个会话，每个会话有多个项目）

indice可以看作是压缩后的矩阵的列的索引;

例：

#红色表示第1个会话里的项目；蓝色表示第2个会话里的项目，绿色表示第3个会话里的项目

indice : [1, 2, 0, 1, 2, 0, 1];     

#通过indptr可以看出，第1个会话中有2-0=2个项目，第2个会话有5-2 =3个项目，第3个会话有7-5=2个项目

indptr:[0, 2, 5, 7];

data:[1, 1, 1, 1, 1, 1, 1]；

matrix output: 
[[0 1 1]
 [1 1 1]
 [1 1 0]]

具体计算过程就是，依次逐行压缩：

首先当i=0(也就是第0行)时,也就是对第一个会话中的两个项目进行操作,取得 indptr[i]和indptr[i+1],即0和2；将其作为indice列表的切片值，indice[0:2]=[1,2],也就是说在第0行时，第1列和第2列有非零值，将indptr[i]和indptr[i+1]作为data列表的切片值，data[0:2]=[1,1],其第1列和第2列的值就为1，1；其余列的值为0。

然后i=1,2…依次操作就完成了。

这个函数的解释大概就是这样，

下面是推荐场景中个人关于data_mask方法的处理逻辑的记录，可以不用看了。

——————————————————————————————————————————-

在DHCN这篇论文中，此矩阵可以当作是data_mask矩阵返回, x：all_session,y:n_node.也就是说该矩阵的行可以看作是所有的会话，列看作是所有的项目。

例：原矩阵输入为

u_inputs = [
    [2, 2, 11, 2],
    [2, 3, 12, 2],
    [1, 1, 1, 2],
]

经过去重后，

u_inputs = [

[2, 11],

[2, 3, 12],

[1 ,2],

]

indptr:[0, 2 ,5, 7]

indice:[1, 10, 1 ,2 ,11, 0, 1]        #每个项目-1

data:[1,1,1,1,1,1,1]

matrix:

[0,1,0,0,0,0,0,0,0,0,1,0]

[0,1,1,0,0,0,0,0,0,0,0,1]

[1,1,0,0,0,0,0,0,0,0,0,0]

这个就是data_mask方法最后返回的东西。

但因为目前才刚开始跑别人论文的代码，所以有许多地方仍不是很清楚。

具体来说，有两处疑问：

1.这个矩阵的用途；

2.这个矩阵的索引是由indice列表决定的，也就是说这个矩阵的尺寸完全是由indice列表里面的决定，但indice列表里的值仅仅是项目id-1，一般来说，数据集中的项目id都是上亿级别，那难道这个矩阵的尺寸也这么大？而且是个极其稀疏的矩阵。感觉是自己想错了…

来源：绵蛮阿