从scipy稀疏矩阵中寻找N个随机零元素

时间:2018-06-03 11:03:23

标签: python numpy scipy sparse-matrix

我有一个大的稀疏矩阵,在scipy lil_matrix格式中,大小为281903x281903,它是一个邻接矩阵 https://docs.scipy.org/doc/scipy/reference/generated/scipy.sparse.lil_matrix.html

我需要一种可靠的方法来获得零索引。我不能只绘制所有零索引然后选择随机索引,因为这会使我的计算机内存不足。有没有一种方法可以识别N个随机索引而无需遍历整个数据结构?

我目前以下列方式获得10%的非零指数(Y是我的稀疏矩阵):

percent = 0.1

oneIdx = Y.nonzero()
numberOfOnes = len(oneIdx[0])
maskLength = int(math.floor(numberOfOnes * percent))
idxOne = np.array(random.sample(range(0,numberOfOnes), maskLength))

maskOne = tuple(np.asarray(oneIdx)[:,idxOne])

我正在寻找获得与非零掩码相同长度的掩码的方法,但是使用零...

1 个答案:

答案 0 :(得分:2)

这是一种基于拒绝抽样的方法。根据您示例中的数字,随机均匀选择的索引可能为零,因此这将是一种相对有效的方法。

from scipy import sparse

dims = (281903, 281903)

mat = sparse.lil_matrix(dims, dtype=np.int)

for _ in range(1000):
    x, y = np.random.randint(0, dims[0], 2)
    mat[x, y] = 1


def sample_zero_forever(mat):
    nonzero_or_sampled = set(zip(*mat.nonzero()))
    while True:
        t = tuple(np.random.randint(0, mat.shape[0], 2))
        if t not in nonzero_or_sampled:
            yield t
            nonzero_or_sampled.add(t)


def sample_zero_n(mat, n=100):
    itr = sample_zero_forever(mat)
    return [next(itr) for _ in range(n)]