看起来numpy的einsum
函数不适用于scipy.sparse
矩阵。 einsum
可以用稀疏矩阵进行各种各样的事情吗?稀疏矩阵上的唯一性
回复@ eickenberg的回答:我想要的特定义务是numpy.einsum("ki,kj->ij",A,A)
- 这些行的外部产品的总和。
看起来numpy的einsum
函数不适用于scipy.sparse
矩阵。 einsum
可以用稀疏矩阵进行各种各样的事情吗?稀疏矩阵上的唯一性
回复@ eickenberg的回答:我想要的特定义务是numpy.einsum("ki,kj->ij",A,A)
- 这些行的外部产品的总和。
scipy.sparse
矩阵的一个限制是它们代表线性算子,因此保持二维,这导致了一个问题:您在寻找哪种操作?
在一对2D矩阵的所有einsum
操作是非常容易的,而不使用dot
,transpose
和逐点操作einsum
写,只要该结果不超过两个维度。
因此,如果您需要对多个稀疏矩阵进行特定操作,则可能无需编写einsum
。
UPDATE:执行np.einsum("ki, kj -> ij", A, A)
的具体方法是A.T.dot(A)
。为了说服自己,请尝试以下示例:
import numpy as np
rng = np.random.RandomState(42)
a = rng.randn(3, 3)
b = rng.randn(3, 3)
the_einsum_ab = np.einsum("ki, kj -> ij", a, b)
the_a_transpose_times_b = a.T.dot(b)
# We write a test in order to assert equality
from numpy.testing import assert_array_equal
assert_array_equal(the_einsum_ab, the_a_transpose_times_b) # This passes, so equality
此结果略为一般。现在,如果您使用b = a
,您将获得您的特定结果。
我已经为这个问题添加了一个具体的例子。 – drevicko
谢谢,我在更新中解决了它。这对你有用吗? – eickenberg
是的,当你想到它时真的很明显!谢谢 (: – drevicko
einsum
将索引字符串转换为使用C版本np.nditer
的计算。 http://docs.scipy.org/doc/numpy/reference/arrays.nditer.html是一个很好的介绍nditer
。最后请注意Cython
示例。
https://github.com/hpaulj/numpy-einsum/blob/master/einsum_py.py是einsum
的Python模拟。
scipy.sparse
有自己的代码(最终在C中)执行基本操作,求和,矩阵乘法等。稀疏矩阵有它们自己的数据结构。它们可以是列表,字典或一组numpy数组。可以使用Numpy符号,因为sparse
具有合适的__xxx__
方法。
稀疏矩阵是一个matrix
,一个2d数组对象。可以编写一个稀疏的einsum
,但最终会使用稀疏矩阵乘法,而不是nditer
。所以最好这是一个符号方便。
稀疏csr_matrix.dot
是:
def dot(self, other):
"""Ordinary dot product
...
"""
return self * other
A=sparse.csr_matrix([[1,2],[3,4]])
A.dot(A.T).A
(A*A.T).A
A.__rmul__(A.T).A
A.__mul__(A.T).A
np.einsum('ij,kj',A.A,A.A)
# array([[ 5, 11],
# [11, 25]])
是的,有替代品,但没有一般的 “疏einsum”。这取决于你需要做什么。 –