使用矩阵乘法，与Python，NumPy的，SciPy的

矩阵的有效切片我想重塑2D scipy.sparse.csr.csr_matrix（让我们这A调用）到2D numpy.ndarray（我们称之为B）。使用矩阵乘法，与Python，NumPy的，SciPy的

A可能是

>shape(A) 
(90, 10)

然后 B应该

>shape(B) 
(9,10)

其中每10行的A将在一个新的新的价值，即最大窗口和列进行塑形。列运算符不处理这种不可稀疏矩阵的类型。如何通过矩阵乘法得到B？

来源

2013-01-23 Milla Well

我不觉得矩阵乘法做的是对的选择**最大**，可能是**总和**。你有没有考虑使用CSC格式，而不是支持列切片？ – Jaime

我想不出一种在稀疏数组上快速执行此操作的方法。但是，即使一个'（9000，1000）'阵列可在我的系统中处理约'100个ms'做'行，COLS = sparse_mat.shape'然后'np.max（sparse_mat.toarray（）。重塑（行//10,10，cols），axis = 1）'。 – Jaime

感谢您的意见，在我的情况下，它需要几秒钟，因为矩阵要大得多。但是我将一些先前的知识放入，你没有：行数超过列的数量，因此我将循环遍历cols，重新塑形并计算最大值。这不是我想要的，但似乎没有什么更快。 –

使用矩阵乘法，你可以做带高效切片创建与那些在正确的地方“切片”矩阵。切片矩阵与“切片器”具有相同的type，因此您可以高效地控制输出类型。

下面你将看到一些比较和最有效的为您的情况是索要.A矩阵和切它。它显示出比.toarray()方法快得多。使用乘法是第二快的选项时，“限幅器”作为ndarray，乘以csr矩阵创建并切片的结果。

OBS：使用稀疏矩阵Acoo导致稍慢定时，保持相同的比例，以及sol3是不适用的，我后来意识到的是，在乘法它被自动转换为csr。

import scipy 
import scipy.sparse.csr as csr 
test = csr.csr_matrix([ 
[11,12,13,14,15,16,17,18,19], 
[21,22,23,24,25,26,27,28,29], 
[31,32,33,34,35,36,37,38,39], 
[41,42,43,44,45,46,47,48,49], 
[51,52,53,54,55,56,57,58,59], 
[61,62,63,64,65,66,67,68,69], 
[71,72,73,74,75,76,77,78,79], 
[81,82,83,84,85,86,88,88,89], 
[91,92,93,94,95,96,99,98,99]]) 

def sol1(): 
    B = test.A[2:5] 

def sol2(): 
    slicer = scipy.array([[0,0,0,0,0,0,0,0,0], 
          [0,0,0,0,0,0,0,0,0], 
          [0,0,1,0,0,0,0,0,0], 
          [0,0,0,1,0,0,0,0,0], 
          [0,0,0,0,1,0,0,0,0]]) 
    B = (slicer*test)[2:] 
    return B 

def sol3(): 
    B = (test[2:5]).A 
    return B 

def sol4(): 
    slicer = csr.csr_matrix(((1,1,1),((2,3,4),(2,3,4))), shape=(5,9)) 
    B = ((slicer*test).A)[2:] # just changing when we do the slicing 
    return B 

def sol5(): 
    slicer = csr.csr_matrix(((1,1,1),((2,3,4),(2,3,4))), shape=(5,9)) 
    B = ((slicer*test)[2:]).A 
    return B 


timeit sol1() 
#10000 loops, best of 3: 60.4 us per loop 

timeit sol2() 
#10000 loops, best of 3: 91.4 us per loop 

timeit sol3() 
#10000 loops, best of 3: 111 us per loop 

timeit sol4() 
#1000 loops, best of 3: 310 us per loop 

timeit sol5() 
#1000 loops, best of 3: 363 us per loop

编辑：答案已经更新由.A更换.toarray()，使更快的结果和现在最好的解决方案是放在顶部

来源

2013-05-12 11:48:12

使用矩阵乘法，与Python，NumPy的，SciPy的

回答

相关问题