Question

我知道scipy.sparse.find(A)返回3个数组I，J，V，每个数组分别包含非零元素的行，列和值。

我想要的是为所有零元素做同样的事情（除了V数组）而不必遍历矩阵，因为它太大了。

Answer 1

假设你有一个scipy稀疏数组并导入了class CoreView(CoreMixin,TemplateView): pass class BaseView(CoreView): @method_decorator(login_required) def dispatch(self, request, *args, **kwargs): do_dispatch(self, request, *args, **kwargs) return super(BaseView, self).dispatch(request, *args, **kwargs) def do_dispatch(self, request, *args, **kwargs): # This is the method we'll override pass class MyView(BaseView): def do_dispatch(self, request, *args, **kwargs): "Do Stuff"：

find

Answer 2

制作一个稀疏矩阵为10％的小稀疏矩阵：

In [1]: from scipy import sparse
In [2]: M = sparse.random(10,10,.1)
In [3]: M
Out[3]: 
<10x10 sparse matrix of type '<class 'numpy.float64'>'
    with 10 stored elements in COOrdinate format>

10个非零值：

In [5]: sparse.find(M)
Out[5]: 
(array([6, 4, 1, 2, 3, 0, 1, 6, 9, 6], dtype=int32),
 array([1, 2, 3, 3, 3, 4, 4, 4, 5, 8], dtype=int32),
 array([ 0.91828586,  0.29763717,  0.12771201,  0.24986069,  0.14674883,
         0.56018409,  0.28643427,  0.11654358,  0.8784731 ,  0.13253971]))

如果矩阵的100个元素中有10个非零，则90个元素为零。你真的想要所有这些指数吗？

密集等价物上的

where或nonzero给出相同的索引：

In [6]: A = M.A # dense
In [7]: np.where(A)
Out[7]: 
(array([0, 1, 1, 2, 3, 4, 6, 6, 6, 9], dtype=int32),
 array([4, 3, 4, 3, 3, 2, 1, 4, 8, 5], dtype=int32))

90个零值的指数：

In [8]: np.where(A==0)
Out[8]: 
(array([0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2,
        2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5,
        5, 5, 5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 7, 7,
        7, 7, 8, 8, 8, 8, 8, 8, 8, 8, 8, 8, 9, 9, 9, 9, 9, 9, 9, 9, 9], dtype=int32),
 array([0, 1, 2, 3, 5, 6, 7, 8, 9, 0, 1, 2, 5, 6, 7, 8, 9, 0, 1, 2, 4, 5, 6,
        7, 8, 9, 0, 1, 2, 4, 5, 6, 7, 8, 9, 0, 1, 3, 4, 5, 6, 7, 8, 9, 0, 1,
        2, 3, 4, 5, 6, 7, 8, 9, 0, 2, 3, 5, 6, 7, 9, 0, 1, 2, 3, 4, 5, 6, 7,
        8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 6, 7, 8, 9], dtype=int32))

这是2个形状（90，），180个整数的数组，而不是密集数组本身的100个值。如果您的稀疏矩阵太大而无法转换为密集，那么它将太大而无法生成所有零指数（假设合理的稀疏度）。

print(M)显示与查找相同的三元组。 coo格式的属性也给出了非零索引：

In [13]: M.row
Out[13]: array([6, 6, 3, 4, 1, 6, 9, 2, 1, 0], dtype=int32)
In [14]: M.col
Out[14]: array([1, 4, 3, 2, 3, 8, 5, 3, 4, 4], dtype=int32)

（有时矩阵的操作可以将值设置为0而不从属性中删除它们。所以find/nonzero需要额外的步骤来删除它们（如果有的话）。）

我们也可以将find应用于M==0 - 但稀疏会给我们一个警告。

In [15]: sparse.find(M==0)
/usr/local/lib/python3.5/dist-packages/scipy/sparse/compressed.py:213: SparseEfficiencyWarning: Comparing a sparse matrix with 0 using == is inefficient, try using != instead.
  ", try using != instead.", SparseEfficiencyWarning)

我一直警告的是同样的事情 - 这套装置的大尺寸。结果数组与Out [8]相同。

如何在稀疏矩阵中找到零元素

2 个答案: