是否可以执行像bsxfun
这样的元素操作,但仅对稀疏矩阵的非零元素进行操作?
特别是,对于位置A
的矩阵(i,j)
中的每个非零元素,我想找到i
行中所有非零元素的乘积,元素(i,j)
除外。
例如,如果i-th
行如下所示:
0 5 3 0 0 4 0 0
结果应如下所示:
0 12 20 0 0 15 0 0
最明显的解决方案似乎是沿每行获取非零元素的乘积,然后将每个元素从行产品中分离出来。因此,在上面的示例中,行产品为5 x 3 x 4 = 60
,然后我只是在各自的位置划分出5
3
和4
。
给定稀疏矩阵A
,这是我迄今为止最好的解决方案:
[M N] = size(A);
[row col vals] = find(A);
row_prod = accumarray(row,vals,[],@prod);
B = bsxfun(@ldivide, A, row_prod);
B = sparse(row,col,B(sub2ind([M N],row,col)),M,N);
前三行实现我想要的:一个列向量,表示每行非零元素的乘积。但是,最后两行存在很多问题。
bsxfun
将返回大小为A
Inf
或-Inf
组成的矩阵,我真的只想要零。 Inf
,因为Matlab将无穷大定义为零NaN
。
我只需要咬紧牙关并为此写一个for循环吗?还是有另一种方法来接近它吗?
答案 0 :(得分:3)
我想我找到了一个解决方案,可以解决我上面提到的大多数问题。有时当我手上拿着bsxfun
锤子时,整个世界看起来像钉子一样。我忘记了我使用bsxfun
进行的一些简单乘法可以很容易(并且可以说更可读)使用矩阵乘法来解决。虽然我不认为我对这个问题的解决方案更具可读性,但它比我上一个解决方案的效率高出几个数量级。
% 'This happens once, outside the loop, since the size'
% 'and sparsity structure of A dont change in the loop'
[M N] = size(A);
[row col] = find(A);
%% 'Inside iterative loop'
% 'Get the product of non-zero row elements'
row_prod = accumarray(row,nonzeros(A),[],@prod);
% 'Use row products to compute 'leave-one-out' row products'
B = spdiags(row_prod,0,M,M)*spfun(@(x) 1./x, A);
如果可以改进,我仍然有兴趣听取其他建议。