Question

我有一个以坐标格式存储在磁盘上的稀疏矩阵（三元组格式）。我想使用scipy.sparse将矩阵的块读入内存，但是，在执行此操作时，scipy将始终采用来自0,0的密集矩阵索引，而不管块是什么。这意味着，例如，对于最后一个＆＃39;在稀疏矩阵中，scipy将被解释为一个巨大的矩阵，在右下角只有一些值。

如何正确处理块，以便在执行toarray创建密集矩阵时，只创建与该块相对应的子集？

这样做的原因是，即使稀疏，矩阵对于内存来说太大（大约6亿32位浮点值）并且在屏幕上显示（因为矩阵代表地理空间栅格）我需要将其转换为密集矩阵以地理空间格式存储（例如geotiff）。

Answer 1

在构建子集时，您应该能够调整row和col值。例如：

In [84]: row=np.arange(10)    
In [85]: col=np.random.randint(0,6,row.shape)
In [86]: data=np.ones(row.shape,dtype=int)*2

In [87]: M=sparse.coo_matrix((data,(row,col)),shape=(10,6))

In [88]: M.A
Out[88]: 
array([[0, 0, 2, 0, 0, 0],
       [0, 0, 0, 0, 0, 2],
       [0, 0, 0, 2, 0, 0],
       [0, 0, 2, 0, 0, 0],
       [0, 0, 2, 0, 0, 0],
       [0, 2, 0, 0, 0, 0],
       [2, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 2, 0],
       [0, 0, 0, 2, 0, 0],
       [0, 0, 0, 0, 0, 2]])

要构建包含行子集的矩阵，请使用：

In [89]: M1=sparse.coo_matrix((data[5:],(row[5:]-5,col[5:])),shape=(5,6))

In [90]: M1.A
Out[90]: 
array([[0, 2, 0, 0, 0, 0],
       [2, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 2, 0],
       [0, 0, 0, 2, 0, 0],
       [0, 0, 0, 0, 0, 2]])

您必须决定是否要指定M1的形状，或者让它从row和col的范围中推断出来。

如果未对这些坐标进行排序，或者您还希望采用col的子范围，则事情会变得更加复杂。但我认为这抓住了基本的想法。

稀疏矩阵子集到密集矩阵

1 个答案: