Question

假设我有Numpy数组p和Scipy稀疏矩阵q这样

>>> p.shape
(10,)
>>> q.shape
(10,100)

我想做一个p和q的点积。当我尝试numpy时，我得到以下内容：

>>> np.dot(p,q)
Traceback (most recent call last):
  File "/usr/local/lib/python2.7/dist packages/IPython/core/interactiveshell.py", line 2883, in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)
  File "<ipython-input-96-8260c6752ee5>", line 1, in <module>
    np.dot(p,q)
ValueError: Cannot find a common data type.

我在Scipy documentation中看到了

从NumPy 1.7开始，np.dot不知道稀疏矩阵使用它会导致意外的结果或错误。该首先应该获得相应的密集矩阵

但这违背了我使用稀疏矩阵的目的。 Soooo，我如何在稀疏矩阵和1D numpy数组（numpy矩阵，我对任何一个开放）之间做点积，而不会丢失矩阵的稀疏性？

我正在使用Numpy 1.8.2和Scipy 0.15.1。

Answer 1

使用*：

p * q

请注意，*对稀疏矩阵使用类似矩阵的语义而不是类似数组的语义，因此它计算矩阵乘积而不是广播产品。

Answer 2

稀疏矩阵不是一个numpy数组或矩阵，但大多数格式使用多个数组来存储它们的数据。作为一般规则，常规numpy函数不了解稀疏矩阵，因此您应该依赖于使用稀疏版本的函数和运算符。

根据大众的需求，最新的np.dot是稀疏的，但我不知道它如何对此做出的细节。在1.18中，我们有几种选择。

user2357112建议p*q。首先使用密集阵列，我有点怀疑，想知道它是否会尝试逐个元素乘法使用数组元素（并且由于广播错误而失败）。但它的确有效。有时像*这样的运算符将控制传递给第二个参数。但只是为了确保我尝试了几种替代方案：

q.T * p
np.dot(p, q.A)
q.T.dot(p)

都给出相同的密集（100，）数组。注意 - 这是一个数组，而不是稀疏矩阵结果。

要获得稀疏矩阵，我需要使用

sparse.csr_matrix(p)*q   # (1,100) shape

q可能是其他稀疏格式，但对于此类计算，它会转换为csr或csc。并且.T操作很便宜，因为如果只需要将格式从csr切换到csc。

如果p是二维数组，那么检查这些替代方案是否有效是个好主意，例如：（2,10）。

Answer 3

Scipy有内置的稀疏矩阵乘法方法。

文档示例：

>>> import numpy as np
>>> from scipy.sparse import csr_matrix
>>> Q = csr_matrix([[1, 2, 0], [0, 0, 3], [4, 0, 5]])
>>> p = np.array([1, 0, -1])
>>> Q.dot(p)
array([ 1, -3, -1], dtype=int64)

检查这些资源：

http://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.sparse.csc_matrix.dot.html http://docs.scipy.org/doc/scipy/reference/sparse.html

1D numpy数组和scipy稀疏矩阵之间的点积

3 个答案: