Scipy CSR稀疏矩阵实际上是COO?

时间:2017-06-30 11:29:37

标签: python matrix scipy

我最近处理稀疏矩阵。我的目标是以某种方式将图表的邻接列表转换为CSR格式,在此定义:http://devblogs.nvidia.com/parallelforall/wp-content/uploads/2014/07/CSR.png

我看到的一个可能的选择是,我只是首先构造一个NumPy矩阵并使用scipy.sparse.csr_matrix进行转换。问题是,SciPy中的CSR与链接中讨论的CSR略有不同。我的问题是,这只是一个差异,我需要编写自己的解析器,或者SciPy实际上可以转换为链接中定义的CSR。

关于这个问题,请说我有一个矩阵:

matrix([[1, 1, 0],
        [0, 0, 1],
        [1, 0, 1]])

CSR格式由两个数组组成,列(C)和行(R)。我力求看起来像:

C: [0,1,2,0,2]

R: [0,2,3,5]

SciPy返回:

  (0, 0)    1
  (0, 1)    1
  (1, 2)    1
  (2, 0)    1
  (2, 2)    1

其中第二列与我的C相同,但这是我对COO格式的理解,而不是CSR。 (这是使用csr_matrix(adjacency_matrix)函数完成的。)

1 个答案:

答案 0 :(得分:1)

内部存储的内容与您通过print(A)打印矩阵时所看到的内容存在差异(Acsr_matrix)。

documentation中列出了属性。其中有以下三个属性:

  

数据CSR格式矩阵的数据数据
  索引CSR格式矩阵的索引数组
  indptr CSR格式索引矩阵的指针数组

您可以通过A.dataA.indicesA.indptr访问(并操纵)它们。

底线:scipy中的CSR格式是一种“真正的”CSR格式,您不需要编写自己的解析器(只要你不关心你的情况下不必要的data数组) 。
另请注意:CSR format中的矩阵始终由三个数组表示,而不是两个。