如何将一个scipy.sparse矩阵提高到幂,元素方面?numpy.power应该根据its manual这样做,但在稀疏矩阵上失败:

>>> X
<1353x32100 sparse matrix of type '<type 'numpy.float64'>'
        with 144875 stored elements in Compressed Sparse Row format>

>>> np.power(X, 2)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File ".../scipy/sparse/base.py", line 347, in __pow__
    raise TypeError('matrix is not square')
TypeError: matrix is not square

X**2也有同样的问题。转换成密集的阵列是可行的,但会浪费宝贵的时间。
我对np.multiply也有同样的问题,我用稀疏矩阵的multiply方法解决了这个问题,但似乎没有pow方法。

最佳答案

这有点低级,但对于元素操作,可以直接使用底层数据数组:

>>> import scipy.sparse
>>> X = scipy.sparse.rand(1000,1000, density=0.003)
>>> X = scipy.sparse.csr_matrix(X)
>>> Y = X.copy()
>>> Y.data **= 3
>>>
>>> abs((X.toarray()**3-Y.toarray())).max()
0.0

关于python - scipy.sparse矩阵的元素功效,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/6431557/

10-12 21:12