Question

我在python中的稀疏矩阵中有非零元素位置的索引，格式为

(array([0, 1, 2], dtype=int32), array([2, 0, 0], dtype=int32), array([2, 1, 3]))

或以矩阵形式

[[0 2]
 [1 0]
 [2 0]]

我想使用它（或其他一些方法，如果有的话）来执行逐行操作，只使用其他矩阵的相应非零元素，如下所示：

for r in range(rows):
    A[r,:] = np.dot(B[r,:],C.T)

基本上我需要一种方法来指定行，并且只选择该行中与矩阵B中的非零元素对应的元素。

我无法理解的部分是由于每行/每列可能有不同数量的条目。

Answer 1

我对第一个元组代表什么感到有些疑惑。它是稀疏数组的索引和值吗？ e.g。

In [4]: arrays=(np.array([0, 1, 2], dtype=int), np.array([2, 0, 0], dtype=int), np.array([2, 1, 3], dtype=float))
...
In [6]: from scipy import sparse
In [7]: M=sparse.csr_matrix((arrays[2],(arrays[0],arrays[1])))
In [8]: M
Out[8]: 
<3x3 sparse matrix of type '<class 'numpy.float64'>'
    with 3 stored elements in Compressed Sparse Row format>
In [9]: M.A
Out[9]: 
array([[ 0.,  0.,  2.],
       [ 1.,  0.,  0.],
       [ 3.,  0.,  0.]])

In [10]: print(M)
  (0, 2)    2.0
  (1, 0)    1.0
  (2, 0)    3.0

为这样的数组定义矩阵乘法：

In [12]: M*M.T
Out[12]: 
<3x3 sparse matrix of type '<class 'numpy.float64'>'
    with 5 stored elements in Compressed Sparse Row format>
In [13]: (M*M.T).A
Out[13]: 
array([[ 4.,  0.,  0.],
       [ 0.,  1.,  3.],
       [ 0.,  3.,  9.]])
In [14]: M.A.dot(M.A.T)  # dense equivalent
Out[14]: 
array([[ 4.,  0.,  0.],
       [ 0.,  1.,  3.],
       [ 0.,  3.,  9.]])

我可以用这个数组逐行实现：

In [21]: A=M.A      # dense array
In [22]: for r in range(3):
    print(np.dot(A[r,:],A[r,:]))
4.0
1.0
9.0
# actually this is just the diagonal

In [23]: for r in range(3):   # or with the nonzero elements
    I=np.nonzero(A[r,:])
    dot = np.dot(A[r,I[0]],A[r,I[0]])
    print(dot)
4.0
1.0
9.0

为了它的价值，nonzero返回我在帖子中从帖子中复制的数组：

In [24]: np.nonzero(A)
Out[24]: (array([0, 1, 2], dtype=int32), array([2, 0, 0], dtype=int32))
In [25]: A[np.nonzero(A)]
Out[25]: array([ 2.,  1.,  3.])

稀疏矩阵也有nonzero方法：

In [26]: M.nonzero()
Out[26]: (array([0, 1, 2], dtype=int32), array([2, 0, 0], dtype=int32))

我觉得自己正在挣扎着试图弄清楚问题和榜样。

Answer 2

我发现你可以在python中使用布尔数组索引，所以以下是我想要实现的目标：

for r in range(rows):
    A[r,B[r,:]!=0] = np.dot(B[r , B[r,:]!=0], C[: , B[r,:]!=0].T)

看起来有点复杂，但它得到了正确的计算元素。唯一的问题是当B的维数大于它引用索引超出范围错误的索引时。

在python中访问特定矩阵行中的非零元素

2 个答案: