稀疏矩阵我有我用几个对角线构建稀疏矩阵:充满行和对角线
A = diags([np.arange(100), np.arange(99), np.arange(99)], offsets=[0, -1, 1])
然而,这稀疏矩阵也有那些在最后一排的一个载体。有没有什么方法可以将它存储在稀疏矩阵中,还是我的构造效率低下,我应该使用密集矩阵?
稀疏矩阵我有我用几个对角线构建稀疏矩阵:充满行和对角线
A = diags([np.arange(100), np.arange(99), np.arange(99)], offsets=[0, -1, 1])
然而,这稀疏矩阵也有那些在最后一排的一个载体。有没有什么方法可以将它存储在稀疏矩阵中,还是我的构造效率低下,我应该使用密集矩阵?
sparse.diags
确实让稀疏矩阵具有特殊diagonal
格式:
In [591]: A = sparse.diags([np.arange(100), np.arange(99), np.arange(99)], offse
...: ts=[0, -1, 1])
In [592]: A
Out[592]:
<100x100 sparse matrix of type '<class 'numpy.float64'>'
with 298 stored elements (3 diagonals) in DIAgonal format>
In [593]: A.A
Out[593]:
array([[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 1., 1., ..., 0., 0., 0.],
[ 0., 1., 2., ..., 0., 0., 0.],
...,
[ 0., 0., 0., ..., 97., 97., 0.],
[ 0., 0., 0., ..., 97., 98., 98.],
[ 0., 0., 0., ..., 0., 98., 99.]])
但存储不是显著比其他稀疏格式更高效。其他格式必须存储相同的298值。他们只会对它们进行不同的索引
我们可以用不同的方式设置最后一行。
我们不能直接用稀疏格式索引最后一行。
In [594]: A[-1,:]
...
TypeError: 'dia_matrix' object is not subscriptable
但我们可以将其转换为csr
格式,并设置其行值:
In [595]: A.tocsr()[-1,:]
Out[595]:
<1x100 sparse matrix of type '<class 'numpy.float64'>'
with 2 stored elements in Compressed Sparse Row format>
In [596]: Ac = A.tocsr()
In [597]: Ac[-1,:]=1
/usr/local/lib/python3.5/dist-packages/scipy/sparse/compressed.py:730: SparseEfficiencyWarning: Changing the sparsity structure of a csr_matrix is expensive.
In [598]: Ac
Out[598]:
<100x100 sparse matrix of type '<class 'numpy.float64'>'
with 393 stored elements in Compressed Sparse Row format>
In [599]: Ac.A
Out[599]:
array([[ 0., 0., 0., ..., 0., 0., 0.],
[ 0., 1., 1., ..., 0., 0., 0.],
[ 0., 1., 2., ..., 0., 0., 0.],
...,
[ 0., 0., 0., ..., 97., 97., 0.],
[ 0., 0., 0., ..., 97., 98., 98.],
[ 1., 1., 1., ..., 1., 1., 1.]])
在这里,我就不会担心稀疏警告;对于动作迭代完成的情况,这意味着更多。我可以用tolil()
代替。请记住,csr
格式可用于计算。当组合矩阵块时使用coo
格式。
我刚刚检查了sparse.dia_matrix
的代码。对于您的阵列A.data
是(3,100)阵列。它“摆脱”了你粗糙的投入。 A.offsets
是一个3元素数组。
A.tocoo()
将值存储在3(295,)数组中(删除定义中的0)。 A A.tocsr()
存储2(295)阵列加上(101,)indptr
阵列。所以dia
格式更加紧凑,但只要您可以使用格式即可。
要追加的那些行,而应使用sparse.vstack
(vstack
使用coo
格式来构造新的矩阵):
In [619]: B = sparse.vstack((A,np.ones((1,100))))
In [620]: B
Out[620]:
<101x100 sparse matrix of type '<class 'numpy.float64'>'
with 395 stored elements in COOrdinate format>
出于好奇,我试图vstack
与dia
输出 - 它不喜欢它,因为平方数dia
数据会过大。
lil
格式
In [621]: B = sparse.vstack((A,np.ones((1,100))),format='dia')
/usr/local/lib/python3.5/dist-packages/scipy/sparse/coo.py:359: SparseEfficiencyWarning: Constructing a DIA matrix with 102 diagonals is inefficient
分配不产生任何警告:
In [624]: Al = A.tolil()
In [625]: Al[-1,:]=1
In [626]: Al
Out[626]:
<100x100 sparse matrix of type '<class 'numpy.float64'>'
with 393 stored elements in LInked List format>
这也被转换成csr
大多数计算。
是什么让你觉得你不能存储它? –
@PeterWood @PeterWood我可以想象,稀疏矩阵对于包含行,列或对角线信息进行了优化,一旦开始彼此交叉,从稀疏存储获得的内存变得可以忽略不计 - 因此不会被“scipy”支持。 – FooBar
稀疏数组中最后一行真的有必要吗?你可以插入你乘以的矢量的总和到最后一个条目中。 –