Question

我正在尝试建立一个像这样的稀疏矩阵：

         0   |   1   |   2   |
0        0   |[1,2,3]|[7,8,9]|
1     [4,5,6]|   0   |   0   |

在Python中使用csr_matrix中的scipy.sparse。

我按如下操作。不过，它可用于一维数组。

csr_matrix(([[1,2,3][7,8,9][4,5,6]], ([0,0,1], [1,2,0])), shape=(2,3))

但是我遇到错误ValueError: row, column, and data arrays must be 1-D

还有其他包装吗？

对不起，我的英语不好。

Answer 1

这是数组的bsr表示形式。

使用普通的（2,3）csr矩阵找到块的indices和indptr：

In [335]: M1 = sparse.csr_matrix([[0,1,1],[1,0,0]])
In [336]: M1.A
Out[336]: 
array([[0, 1, 1],
       [1, 0, 0]], dtype=int64)

定义data块。我必须订购它们以匹配M1布局：

In [337]: data = np.arange(1,10).reshape(3,1,3)[[0,2,1],:]
In [338]: data
Out[338]: 
array([[[1, 2, 3]],

       [[7, 8, 9]],

       [[4, 5, 6]]])

现在创建一个bsr矩阵：

In [339]: M = sparse.bsr_matrix((data, M1.indices, M1.indptr), shape=(2,9))
In [340]: M
Out[340]: 
<2x9 sparse matrix of type '<class 'numpy.int64'>'
    with 9 stored elements (blocksize = 1x3) in Block Sparse Row format>
In [341]: M.A
Out[341]: 
array([[0, 0, 0, 1, 2, 3, 7, 8, 9],
       [4, 5, 6, 0, 0, 0, 0, 0, 0]])

它表示（2,9）矩阵，但值存储在3 (1,3)个块中。为了显示和大多数计算，它会转换为更常规的csr矩阵。

此信息也可以存储为字典：

In [349]: adict = {}
In [350]: adict[(0,1)] = data[0]
     ...: adict[(0,2)] = data[1]
     ...: adict[(1,0)] = data[2]
     ...: 
     ...: 
In [351]: adict
Out[351]: 
{(0, 1): array([[1, 2, 3]]),
 (0, 2): array([[7, 8, 9]]),
 (1, 0): array([[4, 5, 6]])}

sparse.dok_matrix也是dict的子类。但是它不接受dtype=object，这是将数组存储为元素的唯一方法。

制作包含数组的稀疏矩阵

1 个答案: