将稀疏数组中的元素与矩阵中的行相乘
问题内容：
如果矩阵X稀疏：
>> X = csr_matrix([[0,2,0,2],[0,2,0,1]])
>> print type(X)
>> print X.todense()
<class 'scipy.sparse.csr.csr_matrix'>
[[0 2 0 2]
[0 2 0 1]]
和矩阵Y：
>> print type(Y)
>> print text_scores
<class 'numpy.matrixlib.defmatrix.matrix'>
[[8]
[5]]
…如何将X的每个元素乘以Y的行。例如：
[[0*8 2*8 0*8 2*8]
[0*5 2*5 0*5 1*5]]
要么：
[[0 16 0 16]
[0 10 0 5]]
我对此感到厌倦，但是显然由于尺寸不匹配而无法正常工作： Z = X.data * Y
问题答案：
不幸的是，.multiply如果另一个CSR矩阵密集，则CSR矩阵的方法似乎会使该矩阵致密。因此，这是避免这种情况的一种方法：
# Assuming that Y is 1D, might need to do Y = Y.A.ravel() or such...
# just to make the point that this works only with CSR:
if not isinstance(X, scipy.sparse.csr_matrix):
raise ValueError('Matrix must be CSR.')
Z = X.copy()
# simply repeat each value in Y by the number of nnz elements in each row:
Z.data *= Y.repeat(np.diff(Z.indptr))
这确实会创建一些临时对象，但至少将其完全矢量化，并且不会使稀疏矩阵致密。
对于COO矩阵，等效项是：
Z.data *= Y[Z.row] # you can use np.take which is faster then indexing.
对于CSC矩阵，等效项为：
Z.data *= Y[Z.indices]
