Question

这个问题有两个部分（也许是一个解决方案？）：

来自稀疏矩阵的样本向量：是否有一种简单的方法可以从稀疏矩阵中对向量进行采样？当我尝试使用random.sample对线进行采样时，我得到一个TypeError：稀疏矩阵长度不明确。

from random import sample
import numpy as np
from scipy.sparse import lil_matrix
K = 2
m = [[1,2],[0,4],[5,0],[0,8]]
sample(m,K)    #works OK
mm = np.array(m)
sample(m,K)    #works OK
sm = lil_matrix(m)
sample(sm,K)   #throws exception TypeError: sparse matrix length is ambiguous.

我目前的解决方案是从矩阵中的行数进行采样，然后使用getrow（），例如：

indxSampls = sample(range(sm.shape[0]), k)
sampledRows = []
for i in indxSampls:
    sampledRows+=[sm.getrow(i)]

还有其他有效/优雅的想法吗？密集矩阵大小为1000x30000，可能更大。

从稀疏矢量列表构造稀疏矩阵：现在想象一下我有采样矢量的列表samplesRows，如何将其转换为稀疏矩阵而不将其密集化，将其转换为列表列表，然后将其传递给lil_matrix？

Answer 1

尝试

sm[np.random.sample(sm.shape[0], K, replace=False), :]

这会让你输出一个LIL格式矩阵，只有K行（按random.sample确定的顺序）。我不确定它是否超级快，但它并不比你目前正在进行的逐行手动访问更糟糕，并且可能预先分配了结果。

从稀疏矩阵中轻松采样矢量，并从样本中创建一个新矩阵（python）

1 个答案: