Question

是否有可能使用C ++ Eigen库创建一个（稀疏）矩阵，类似于我需要翻译的优雅python代码？

(np.random.rand(100,100)  < 0.1) * np.random.rand(100,100)

e.g。填充了一定比例的随机值的矩阵。

Answer 1

直接改编自Eigen Documentation，而不是那么简洁：

std::default_random_engine gen;
std::uniform_real_distribution<double> dist(0.0,1.0);

int rows=100;
int cols=100;

std::vector<Eigen::Triplet<double> > tripletList;
for(int i=0;i<rows;++i)
    for(int j=0;j<cols;++j)
    {
       auto v_ij=dist(gen);                         //generate random number
       if(v_ij < 0.1)
       {
           tripletList.push_back(T(i,j,v_ij));      //if larger than treshold, insert it
       }
    }
SparseMatrixType mat(rows,cols);
mat.setFromTriplets(tripletList.begin(), tripletList.end());   //create the matrix

这需要C ++ 11并且未经测试。

Answer 2

davidhigh的answer解决了你问题的稀疏要求。但是，我不认为你的python代码实际上产生了一个稀疏矩阵，而是一个主要为零的密集矩阵。同样优雅的Eigen版本可以是

MatrixXd mat;
mat2 = (MatrixXd::Random(5,5).array() > 0.3).cast<double>() * MatrixXd::Random(5,5).array();

请注意，这使用标准C ++ rand()，因此可能不够“随机”，具体取决于您的需求。如果您希望MatrixXd超过MatrixXf，也可以将float替换为double，同时更改cast<...>()。

Answer 3

davidhigh 的答案具有 O(rows*cols) 复杂性，对于大型矩阵来说可能不切实际并且花费的时间太长。这是一个仅具有 O(nnz) 复杂性的改编版本。 p 是所需的稀疏度。如果矩阵中的值需要在其他范围内，您可以调整 valdis 的范围。

typedef Eigen::SparseMatrix<double, Eigen::RowMajor> SpMat;

SpMat getRandomSpMat(size_t rows, size_t cols, double p) {
    typedef Eigen::Triplet<double> T;
    std::random_device rd;  //Will be used to obtain a seed for the random number engine
    std::mt19937 gen(rd()); //Standard mersenne_twister_engine seeded with rd()
    std::uniform_real_distribution<> valdis(0, 1.0);
    std::uniform_int_distribution<> rowdis(0, rows-1);
    std::uniform_int_distribution<> coldis(0, cols-1);

    std::vector<Eigen::Triplet<double> > tripletList;
    size_t nnz = (size_t) (rows * (cols * p));
    std::set<size_t> nnz_pos;
    for (size_t i = 0; i < nnz; ++i) {
        auto r = rowdis(gen);
        auto c = coldis(gen);
        size_t pos = r * cols + c;
        while (nnz_pos.find(pos) != nnz_pos.end()) {
            r = rowdis(gen);
            c = coldis(gen);
            pos = r * cols + c;
        }

        nnz_pos.insert(pos);
        tripletList.push_back(T(r, c, valdis(gen)));
    }

    SpMat mat(rows,cols);
    mat.setFromTriplets(tripletList.begin(), tripletList.end());   //create the matrix
    return mat;
}

具有特征的稀疏随机矩阵

3 个答案: