Question

a，b是具有整数数据类型的相同大小的1D numpy ndarray。

C是2D scipy.sparse.lil_matrix。

如果索引[a, b]包含重复的索引，C[a, b] += np.array([1])的每个唯一索引C的{{1}}总是C总是增加[a, b]吗？

文档是否提到了这个？

示例：

import scipy.sparse as ss
import numpy as np
C = ss.lil_matrix((3,2), dtype=int)
a = np.array([0, 1, 2] * 4)
b = np.array([0, 1] * 6)
C[a, b] += np.array([1])
print(C.todense(), '\n')
C[a, b] += np.array([1])
print(C.todense())

结果：

[[1 1]
 [1 1]
 [1 1]] 

[[2 2]
 [2 2]
 [2 2]]

Answer 1

我不知道它已被记录

众所周知，由于缓冲，每个唯一索引只设置一次密集数组。我们必须使用add.at来获得无缓冲的补充。

In [966]: C=sparse.lil_matrix((3,2),dtype=int)
In [967]: Ca=C.A
In [968]: Ca += 1
In [969]: Ca
Out[969]: 
array([[1, 1],
       [1, 1],
       [1, 1]])

In [970]: Ca=C.A
In [973]: np.add.at(Ca,(a,b),1)
In [974]: Ca
Out[974]: 
array([[2, 2],
       [2, 2],
       [2, 2]])

您的示例显示lil索引设置也表现在缓冲的意义上。但我必须查看代码以确切了解原因。

据记载，coo样式输入是重复的总和。

In [975]: M=sparse.coo_matrix((np.ones_like(a),(a,b)), shape=(3,2))
In [976]: print(M)
  (0, 0)    1
  (1, 1)    1
  (2, 0)    1
  (0, 1)    1
  (1, 0)    1
  (2, 1)    1
  (0, 0)    1
  (1, 1)    1
  (2, 0)    1
  (0, 1)    1
  (1, 0)    1
  (2, 1)    1
In [977]: M.A
Out[977]: 
array([[2, 2],
       [2, 2],
       [2, 2]])
In [978]: M
Out[978]: 
<3x2 sparse matrix of type '<class 'numpy.int32'>'
    with 12 stored elements in COOrdinate format>
In [979]: M.tocsr()
Out[979]: 
<3x2 sparse matrix of type '<class 'numpy.int32'>'
    with 6 stored elements in Compressed Sparse Row format>
In [980]: M.sum_duplicates()
In [981]: M
Out[981]: 
<3x2 sparse matrix of type '<class 'numpy.int32'>'
    with 6 stored elements in COOrdinate format>

点以输入的coo格式存储，但当用于显示或计算（csr格式）时，将对重复项进行求和。

Numpy（稀疏）重复索引增量

1 个答案: