Question

在下面的示例中，我正在创建idxL，并且希望遍历其元素以执行其他操作。我试图理解为什么idxL[0][0]返回[[ True False False False False]]而不是仅返回True。 idxL.item(0)似乎有效。我想我可以使用它遍历idxL中的全部项目。但是，由于某种原因，我认为当我开始处理更大的数组时，效率可能不如

。

from scipy.sparse import csr_matrix
a=['foo','panda','donkey','bird','egg']
b='foo'
idxL=csr_matrix((1,5), dtype=bool)
idxTemp=np.array(list(map(lambda x: x in b, a)))
idxL = idxL + idxTemp
print(idxL[0][0])
print(idxL.item(0))

Answer 1

In [193]: from scipy import sparse                                              
In [194]: a=['foo','panda','donkey','bird','egg'] 
     ...: b='foo' 
     ...: idxL=sparse.csr_matrix((1,5), dtype=bool) 
     ...: idxTemp=np.array(list(map(lambda x: x in b, a)))

稀疏矩阵：

In [195]: idxL                                                                  
Out[195]: 
<1x5 sparse matrix of type '<class 'numpy.bool_'>'
    with 0 stored elements in Compressed Sparse Row format>
In [196]: idxL.A                                                                
Out[196]: array([[False, False, False, False, False]])

密集数组；请注意，这是1d

In [197]: idxTemp                                                               
Out[197]: array([ True, False, False, False, False])

索引稀疏矩阵：

In [198]: idxL[0,0]                                                             
Out[198]: False

加法-现在是密集矩阵：

In [199]: idxLL = idxL + idxTemp                                                
In [200]: idxLL                                                                 
Out[200]: matrix([[ True, False, False, False, False]])
In [201]: idxLL[0,0]                                                            
Out[201]: True

矩阵的

[0]选择第一行，但结果仍为2d。 [0][0]索引没有帮助。这种索引风格适用于2d ndarray，但[0,0]通常更好。

In [202]: idxLL[0]                                                              
Out[202]: matrix([[ True, False, False, False, False]])
In [203]: idxTemp[0]                                                            
Out[203]: True

编辑

我们可以直接从idxTemp制作一个稀疏矩阵：

In [257]: M = sparse.csr_matrix(idxTemp)                                        
In [258]: M                                                                     
Out[258]: 
<1x5 sparse matrix of type '<class 'numpy.bool_'>'
    with 1 stored elements in Compressed Sparse Row format>
In [259]: M.A                                                                   
Out[259]: array([[ True, False, False, False, False]])
In [260]: print(M)                                                              
  (0, 0)    True

无需将其添加到idxL。可以添加：

In [261]: idxL+M                                                                
Out[261]: 
<1x5 sparse matrix of type '<class 'numpy.bool_'>'
    with 1 stored elements in Compressed Sparse Row format>

我不建议通过添加矩阵来构建备用矩阵。

Answer 2

这是因为idxL不是np.array而是np.matrix。要将其转换为numpy数组，请参考属性“ A”，该属性返回np.array。

    public void Savefile (string path)
    {
        System.IO.FileStream FS = new 
        System.IO.FileStream("C:\\Users\\blablablayouknow", System.IO.FileMode.Create);
        BinaryFormatter BF = new BinaryFormatter();
        BF.Serialize(FS, NameofList);
        FS.Dispose();
    }



    public NameofList Loadfile (string path)
    {
        Einträge ET = new Einträge();

        System.IO.FileStream FS = new 
        System.IO.FileStream("C:\\Users\\blablablayouknowagain",
        System.IO.FileMode.Open);
        BinaryFormatter BF = new BinaryFormatter();

        BF.Deserialize(FS);

        return ET;
    }


    public BindingList<NameofClass> NameofList= new BindingList<NameofClass>();


    [Serializable]
    public class Einträge // Objekt Listeneinträge
    {
         public string Name { get; set; }
         public string Telefonnummer { get; set; }
    }

编辑：如果您想保持稀疏状态，则应将原始代码更改为

import numpy as np
from scipy.sparse import csr_matrix
a=['foo','panda','donkey','bird','egg']
b='foo'
idxL=csr_matrix((1,5), dtype=bool)
idxL.todense()
idxTemp=np.array(list(map(lambda x: x in b, a)))
idxL = idxL + idxTemp
print(idxL.A[0][0])
print(idxL.item(0))

output:
True
True

现在idxL仍然是csr_matrix，并支持[]索引。

索引到矩阵的访问元素

2 个答案:

编辑