python - 是否有类似coo_matrix的东西，但矢量稀疏？

我正在尝试从存在一些重叠索引的一系列数组中创建稀疏向量。对于矩阵，有一个非常精确的convenient object in scipy可以做到这一点：

coo_matrix((data, (i, j)), [shape=(M, N)])

因此，如果数据碰巧具有重复元素（因为它们的i，j索引相同），则将这些元素累加到最终的稀疏矩阵中。我想知道是否可以对稀疏向量做类似的事情，还是只需要使用这个对象并假装它是1列矩阵？

最佳答案

尽管您可能能够再现1d等效项，但是仅使用1行（或1 col）稀疏矩阵将节省大量工作。我不知道numpy的任何稀疏矢量包。

coo格式完全按照您指定的方式存储输入数组，而不进行求和。当求和显示或（或）转换为csc或csr格式时，即完成求和。而且，由于编译了csr构造函数，因此求和的速度比您用Python编写的任何代码都要快。

构造一个'1d'稀疏coo矩阵

In [67]: data=[10,11,12,14,15,16]
In [68]: col=[1,2,1,5,7,5]
In [70]: M=sparse.coo_matrix((data (np.zeros(len(col)),col)),shape=(1,10))

查看其数据表示形式（不求和）

In [71]: M.data
Out[71]: array([10, 11, 12, 14, 15, 16])
In [72]: M.row
Out[72]: array([0, 0, 0, 0, 0, 0])
In [73]: M.col
Out[73]: array([1, 2, 1, 5, 7, 5])

查看数组表示形式（形状(1,10)）

In [74]: M.A
Out[74]: array([[ 0, 22, 11,  0,  0, 30,  0, 15,  0,  0]])

和等效的csr。

In [75]: M1=M.tocsr()
In [76]: M1.data
Out[76]: array([22, 11, 30, 15])
In [77]: M1.indices
Out[77]: array([1, 2, 5, 7])
In [78]: M1.indptr
Out[78]: array([0, 4])

In [79]: np.nonzero(M.A)
Out[79]: (array([0, 0, 0, 0]), array([1, 2, 5, 7]))

nonzero显示相同的模式：

In [80]: M.nonzero()
Out[80]: (array([0, 0, 0, 0, 0, 0]), array([1, 2, 1, 5, 7, 5]))

In [81]: M.tocsr().nonzero()
Out[81]: (array([0, 0, 0, 0]), array([1, 2, 5, 7]))

In [82]: np.nonzero(M.A)
Out[82]: (array([0, 0, 0, 0]), array([1, 2, 5, 7]))

M.toarray().flatten()将为您提供(10,)一维数组。

关于python - 是否有类似coo_matrix的东西，但矢量稀疏？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/29565798/