Question

我是Matlab和Python的新手，并且正在将一些Matlab代码转换为它的Python等价物。我面临的问题是从稀疏（i，j，v，m，n）转换为 csr_matrix（（data，（row_ind，col_ind）），[shape =（M， N）]）即可。

在此代码中，i，j和row_in，col_ind将与索引数组一起传递 - idx 大小（124416,1），而v和数据将与2D数组一起传递 - D22 大小（290,434）

Matlab的：

...
H = 288;
W = 432;
N = (H+2)*(W+2);
mask = zeros(H+2, W+2);
mask(2:end-1, 2:end-1) = 1;

idx = find(mask==1);
>>>idx = [292, ..., 579, 582 ..., 869, ... , 125282, ..., 125569]

A = sparse(idx, idx+1, -D22(idx), N, N);
B = sparse(idx, idx-1, -D22(idx), N, N);
C = sparse(idx, idx+H+2, -D22(idx-1), N, N);
D = sparse(idx, idx-H-2, -D22(idx-1), N, N);
...

间谍（A）第一个条目是 m（293,292） - （idx，idx + 1），这是我的预期。

间谍（B） m（292,293） - （idx，idx-1）。 我期待它是m（291,292），相信idx-1将返回一个数组[291，...，578,581 ......，868，...，125281，...，125568]

间谍（C） - m（582,292） - （idx，idx + H + 2）

间谍（D） - m（292,582） - （idx，idx-H-2）

因此，鉴于我理解索引顺序，我将代码转换为Python格式

的Python：

...
H = 288
W = 432
N = (H+2) * (W+2)
mask = np.zeros([H+2, W+2])
mask[1:-1,1:-1] = 1

idx = np.nonzero(mask.transpose() == 1)                                 
idx = np.vstack((idx[1], idx[0]))                                        
idx = np.ravel_multi_index(idx, ((H+2),(W+2)), order='F').copy()     # Linear Indexing as per Matlab
>>> idx
array([291, ..., 578, 581 ..., 868, ... , 125281, ..., 125568])

idx_ = np.unravel_index(idx, ((H+2),(W+2)), order='F')               # *** Back to Linear Indexing
idx_ = np.column_stack((idx_[0], idx_[1]))                           # *** combine tuple of 2 arrays
idx_H_2 = np.unravel_index(idx-H-2, ((H+2),(W+2)), order='F')
idx_H_2 = np.column_stack((idx_H_2[0], idx_H_2[1]))

A = sp.csr_matrix((-D22[idx_[:,0], idx_[:,1]], (idx+1,idx)), shape = (N,N))
B = sp.csr_matrix((-D22[idx_[:,0], idx_[:,1]], (idx-1,idx)), shape = (N,N))
C = sp.csr_matrix((-D11[idx_[:,0], idx_[:,1]], (idx+H+2,idx)), shape = (N,N)) 
D = sp.csr_matrix((-D11[idx_H_2[:,0], idx_H_2[:,1]], (idx-H-2,idx)), shape = (N,N)) 
...

对于A，第一个条目是 p（292,291） - （idx + 1，idx），并且由于Python从零索引开始，它指的是Matlab m（293,292）

然而对于B，第一个条目是 p（290,291） - （idx-1，idx），这是我的预期（Matlab中的等价物应该是m（291， 292）），但如前所述，Matlab代码返回（292,293）。

C - p（581,291） - （idx + H + 2，idx）

D - p（1,291） - （idx-H-2，idx）

任何人都可以解释我可能错误理解的内容，我应该如何修改我的Python代码以更准确地反映Matlab代码。

哦，还有一个qns：）

Matlab的：

A = A(idx,idx);

的Python：

A = A[idx,:][:,idx]

是等效的吗？

非常感谢您的帮助和时间。

Answer 1

对我来说似乎很好，我能发现的唯一区别是：

MATLAB：

A = sparse(idx, idx+1, -D22(idx), N, N);
B = sparse(idx, idx-1, -D22(idx), N, N);

<强>的Python：

A = sp.csr_matrix((-D22[idx_[:,0], idx_[:,1]], (idx+1,idx)), shape = (N,N))
B = sp.csr_matrix((-D22[idx_[:,0], idx_[:,1]], (idx,idx-1)), shape = (N,N))

请注意，在Python中，对于矩阵B，您可以沿第二维更改索引，而对于矩阵A，您可以沿第一维更改。

您的Matlab代码中不存在这种差异，而所有其他行都是“对称的”

Answer 2

这些行令人困惑：

py(A) first entry is m(293, 292) - (idx,idx+1), which was what I expected.

spy(B) m(292, 293) - (idx,idx-1). I was expecting it to be m(291, 292), believing that idx-1 would return an array [291, ..., 578, 581 ..., 868, ... , 125281, ..., 125568]

spy(C) - m(582, 292) - (idx,idx+H+2)

spy(D) - m(292, 582) - (idx,idx-H-2)

什么是m(293,292)？为什么坐标反转？这是因为spy如何绘制轴？对于numpy代码p(...)同样令人困惑。在我的（较小的）样本中，A，B等都具有非预期的非零值。

顺便问一下，D22(idx)中有零吗？

在任何情况下，您都创建了4个稀疏矩阵，其值沿着一个对角线或其他对角线，具有周期性零间隙。

A(idx, idx+1)与A具有相同的非零值，但在主对角线上是连续的。

numpy代码的简明版本是：

In [159]: idx=np.where(mask.ravel()==1)[0]
In [160]: A=sparse.csr_matrix((np.ones_like(idx),(idx,idx+1)),shape=(N,N))

我忽略了F v C订单和D22数组。如果我有D22矩阵，我会尝试使用D22.ravel[idx]（以匹配我创建和索引mask的方式）。在比较矩阵的整体生成及其索引时，我不认为这些细节很重要。

A.tocoo().row和A.tocoo().col是查看非零元素的行索引和列索引的便捷方式。 A.nonzero()也会这样做（使用几乎相同的代码）。

是的，A[idx,:][:,idx+1]生成相同的子矩阵。

A[idx, idx+1]给出了这些对角线值的1d向量。

您需要将第一个索引数组转换为＆＃39;列＆＃39;用于选择块的向量（如MATLAB版本所示）：

A[np.ix_(idx,idx+1)]  # or with
A[idx[:,None],idx+1]

将Matlab稀疏转换为Python scipy csr_matrix

2 个答案: