Question

首先，我不是数学家。我承认。然而，我仍然需要理解ScyPy的稀疏矩阵是如何算术运算的，以便在我必须处理的应用程序中从密集的NumPy矩阵切换到SciPy稀疏矩阵。问题是内存使用情况。一个大的密集矩阵将消耗大量的内存。

问题的公式部分是将矩阵添加到标量的位置。

A = V + x

其中V是一个方形矩阵（它的大，例如60,000 x 60,000）并且人口稀少。 x是一个浮点数。

使用NumPy的操作（如果我没有弄错的话）将v添加到V中的每个字段。如果我完全偏离基础，请告诉我，x只会添加到非零V中的值。

使用SciPy，并非所有稀疏矩阵都支持相同的功能，例如标量添加。 dok_matrix（Keys of Keys）支持标量添加，但看起来（实际上）它分配每个矩阵条目，有效地将我的稀疏dok_matrix渲染为具有更多开销的密集矩阵。（不好）

其他矩阵类型（CSR，CSC，LIL）不支持标量添加。

我可以尝试构建一个标量值为x的完整矩阵，然后将其添加到V.我对矩阵类型没有任何问题，因为它们似乎都支持矩阵加法。但是我不得不耗费大量的内存来构造x作为矩阵，并且添加的结果也可能最终成为完全填充的矩阵。

必须有另一种方法来做到这一点，并不需要分配100％的稀疏矩阵。

我会接受需要大量的记忆，但我想我会首先寻求一些建议。感谢。

Answer 1

不可否认，稀疏矩阵并不是我的驾驶室，但ISTM最好的前进方式取决于矩阵类型。如果你是DOK：

>>> S = dok_matrix((5,5))
>>> S[2,3] = 10; S[4,1] = 20
>>> S.todense()
matrix([[  0.,   0.,   0.,   0.,   0.],
        [  0.,   0.,   0.,   0.,   0.],
        [  0.,   0.,   0.,  10.,   0.],
        [  0.,   0.,   0.,   0.,   0.],
        [  0.,  20.,   0.,   0.,   0.]])

然后你可以更新：

>>> S.update(zip(S.keys(), np.array(S.values()) + 99))
>>> S
<5x5 sparse matrix of type '<type 'numpy.float64'>'
    with 2 stored elements in Dictionary Of Keys format>
>>> S.todense()
matrix([[   0.,    0.,    0.,    0.,    0.],
        [   0.,    0.,    0.,    0.,    0.],
        [   0.,    0.,    0.,  109.,    0.],
        [   0.,    0.,    0.,    0.,    0.],
        [   0.,  119.,    0.,    0.,    0.]])

不是特别高效，但是O（非零）。

OTOH，如果你有类似COO，CSC或CSR的东西，你可以直接修改data属性：

>>> C = S.tocoo()
>>> C
<5x5 sparse matrix of type '<type 'numpy.float64'>'
    with 2 stored elements in COOrdinate format>
>>> C.data
array([ 119.,  109.])
>>> C.data += 1000
>>> C
<5x5 sparse matrix of type '<type 'numpy.float64'>'
    with 2 stored elements in COOrdinate format>
>>> C.todense()
matrix([[    0.,     0.,     0.,     0.,     0.],
        [    0.,     0.,     0.,     0.,     0.],
        [    0.,     0.,     0.,  1109.,     0.],
        [    0.,     0.,     0.,     0.,     0.],
        [    0.,  1119.,     0.,     0.,     0.]])

请注意，您可能想要添加其他

>>> C.eliminate_zeros()

处理您添加了负数的可能性，因此现在实际上正在记录0。它本身应该可以正常工作，但下一次时间你做了C.data += some_number技巧，它会将somenumber添加到你引入的零点。

NumPy矩阵到SciPy稀疏矩阵：添加标量最安全的方法是什么？

1 个答案: