使用稀疏scipy矩阵的广播

Question

我有一个numpy数组Z，其形状为(k,N)，另一个数组X的形状为(N,n)。

使用numpy广播，我可以轻松获得形状为H的新数组(n,k,N)，其数组为Z，其行已乘以{的列{1}}：

X

这种方法很好，而且速度惊人。 现在，H = Z.reshape((1, k, N)) * X.T.reshape((n, 1, N)) 非常稀疏，我想使用稀疏矩阵运算进一步加速此操作。

但是，如果我执行以下操作：

X

我收到以下错误：

import scipy.sparse as sprs
spX = sprs.csr_matrix(X)
H = (Z.reshape((1,k,N))*spX.T.reshape((n,1,N))).dot(Z.T)

有没有办法使用稀疏Traceback (most recent call last): File "<input>", line 1, in <module> File "C:\Python27\lib\site-packages\scipy\sparse\base.py", line 126, in reshape self.__class__.__name__) NotImplementedError: Reshaping not implemented for csc_matrix. 矩阵进行广播？

Answer 1

Scipy稀疏矩阵仅限于2D形状。但你可以在＆＃34;稀疏＆＃34;中使用Numpy。方式：

H = np.zeros((n,k,N), np.result_type(Z, X))
I, J = np.nonzero(X)
Z_ = np.broadcast_to(Z, H.shape)
H[J,:,I] = Z_[J,:,I] * X[I,J,None]

不幸的是，结果H仍然是密集阵列。

N.b。使用None建立索引是在所需轴上添加单位长度维度的便捷方法。将高级索引与切片组合时的结果顺序为explained in the docs。