Question

我有一个非常大的'scipy.sparse.coo.coo_matrix'类型的稀疏矩阵。我可以使用.tocsr（）转换为csr，但.todense（）将无法工作，因为数组太大。我希望能够像使用常规数组一样从矩阵中提取元素，这样我就可以将行元素传递给函数。

作为参考，在打印时，矩阵如下所示：

(7, 0)  0.531519363001
(48, 24)    0.400946334437
(70, 6) 0.684460955022
...

Answer 1

制作一个包含3个元素的矩阵：

In [550]: M = sparse.coo_matrix(([.5,.4,.6],([0,1,2],[0,5,3])), shape=(5,7))

这是默认显示（repr(M)）：

In [551]: M
Out[551]: 
<5x7 sparse matrix of type '<class 'numpy.float64'>'
    with 3 stored elements in COOrdinate format>

和打印显示（str（M）） - 看起来像输入：

In [552]: print(M)
  (0, 0)    0.5
  (1, 5)    0.4
  (2, 3)    0.6

转换为csr格式：

In [553]: Mc=M.tocsr()
In [554]: Mc[1,:]   # row 1 is another matrix (1 row):
Out[554]: 
<1x7 sparse matrix of type '<class 'numpy.float64'>'
    with 1 stored elements in Compressed Sparse Row format>

In [555]: Mc[1,:].A    # that row as 2d array
Out[555]: array([[ 0. ,  0. ,  0. ,  0. ,  0. ,  0.4,  0. ]])

In [556]: print(Mc[1,:])    # like 2nd element of M except for row number
  (0, 5)    0.4

个别元素：

In [560]: Mc[1,5]
Out[560]: 0.40000000000000002

这些格式的数据属性（如果你想进一步挖掘）

In [562]: Mc.data
Out[562]: array([ 0.5,  0.4,  0.6])
In [563]: Mc.indices
Out[563]: array([0, 5, 3], dtype=int32)
In [564]: Mc.indptr
Out[564]: array([0, 1, 2, 3, 3, 3], dtype=int32)
In [565]: M.data
Out[565]: array([ 0.5,  0.4,  0.6])
In [566]: M.col
Out[566]: array([0, 5, 3], dtype=int32)
In [567]: M.row
Out[567]: array([0, 1, 2], dtype=int32)

访问稀疏矩阵元素

1 个答案: