numpy/scipy 相当于MATLAB的稀疏函数

Question

我正在使用 numpy 和 scipy 在 Python 中移植一个 MATLAB 代码，我需要使用 numpy/scipy 相当于 MATLAB 中的稀疏函数。

下面是MATLAB中稀疏函数的用法，

sparse([3; 2], [2; 4], [3; 0])

给出：

Trial>> m = sparse([3; 2], [2; 4], [3; 0])

    m =

       (3,2)        3

    Trial>> full(m)

    ans =

         0     0     0     0
         0     0     0     0
         0     3     0     0

我有这些，但它们没有给出 MATLAB 版本的功能，

sps.csr_matrix([3, 2], [2, 4], [3, 0])
sps.csr_matrix(np.array([[3], [2]]), np.array([[2], [4]]), np.array([[3], [0]])) 
sps.csr_matrix([[3], [2]], [[2], [4]], [[3], [0]])

有什么想法吗？谢谢

Answer 1

您正在使用 sparse(I, J, SV) form [note: link goes to documentation for GNU Octave, not Matlab]. The scipy.sparse equivalent is csr_matrix((SV, (I, J))) -- 是的，单个参数是一个包含一个向量和一个向量的二元组的二元组。您还必须更正索引向量，因为 Python 始终使用基于 0 的索引。

>>> m = sps.csr_matrix(([3,0], ([2,1], [1,3]))); m
<3x4 sparse matrix of type '<class 'numpy.int64'>'
    with 2 stored elements in Compressed Sparse Row format>

>>> m.todense()
matrix([[0, 0, 0, 0],
        [0, 0, 0, 0],
        [0, 3, 0, 0]], dtype=int64)

请注意，与 Matlab 不同，scipy 不会自动丢弃显式零，并且将对仅包含整数的矩阵使用整数存储。为了完美匹配您在 Matlab 中获得的矩阵，您必须明确要求浮点存储，并且必须对结果调用 eliminate_zeros()：

>>> m2 = sps.csr_matrix(([3,0], ([2,1], [1,3])), dtype=np.float)
>>> m2.eliminate_zeros()
>>> m2
<3x4 sparse matrix of type '<class 'numpy.float64'>'
    with 1 stored elements in Compressed Sparse Row format>
>>> m2.todense()
matrix([[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.],
        [ 0.,  3.,  0.,  0.]])

您也可以将 [3,0] 更改为 [3., 0.]，但我建议使用明确的 dtype= 参数，因为这样可以防止在输入真实数据时出现意外情况。

(我不知道Matlab内部的稀疏矩阵表示是什么，但是Octave似乎默认为压缩稀疏列表示。CSC和CSR的区别应该只会影响性能. 如果您的 NumPy 代码最终比您的 Matlab 代码慢，请尝试使用 sps.csc_matrix 而不是 csr_matrix，以及所有常用的 NumPy 性能提示。）

（如果您还没有阅读 NumPy for Matlab users，您可能需要阅读。）

Answer 2

这里是我做的转换。它适用于稀疏的 5 个参数版本。

def sparse(i, j, v, m, n):
    """
    Create and compressing a matrix that have many zeros
    Parameters:
        i: 1-D array representing the index 1 values 
            Size n1
        j: 1-D array representing the index 2 values 
            Size n1
        v: 1-D array representing the values 
            Size n1
        m: integer representing x size of the matrix >= n1
        n: integer representing y size of the matrix >= n1
    Returns:
        s: 2-D array
            Matrix full of zeros excepting values v at indexes i, j
    """
    return scipy.sparse.csr_matrix((v, (i, j)), shape=(m, n))

numpy/scipy 相当于MATLAB的稀疏函数

numpy/scipy equivalent of MATLAB's sparse function

python

matlab

numpy

sparse-matrix