python - 如何计算训练相似度矩阵的加权平均值

Question

我有一个像这样的三角形相似矩阵。

[[3, 1, 2, 0],
 [1, 3, 0, 0],
 [1, 0, 0, 0],
 [0, 0, 0, 0]]

如何在丢弃零元素的同时计算每行的加权平均值？

标签： pythonnumpycosine-similarity

Answer 1

您可以沿第二个轴添加，然后除以sum每行非零值的数量。然后使用whereinnp.divide你可以在满足条件的地方进行划分，通过将其设置为指定非零值在哪里的掩码，可以防止除以零错误：

a = np.array([[3, 1, 2, 0],
              [1, 3, 0, 0],
              [1, 0, 0, 0],
              [0, 0, 0, 0]])

m = (a!=0).sum(1)
np.divide(a.sum(1), m, where=m!=0)
# array([2., 2., 1., 0.])