scipy 稀疏矩阵的元素明智的 exp()

Question

我有一个很大稀csc_matrixx。我想对它做 elementwise exp() 。基本上我想要的是获得与 numpy.exp(x.toarray()) 相同的结果。但我不能那样做（我的记忆不允许我将稀疏矩阵转换为数组）。有什么办法吗？提前致谢！

Answer 1

如果您没有内存来保存 x.toarray()，那么您就没有内存来保存您要求的输出。输出不会稀疏；事实上，除非你的输入有负无穷大，否则输出可能不会有一个 0。

计算 exp(x)-1 可能会更好，它和

一样简单

x.expm1()

Answer 2

如果你只想对非零值做一些事情：data 属性至少在某些表示中是可写的，包括 csr 和 csc。某些表示允许重复条目，因此请确保您在 "normalised" 表格上操作。

Answer 3

要更改 non-zero 元素，也许这对您有用：

x = some big sparse matrix
np.exp( x.data, out=x.data ) # ask np.exp() to store results in existing x.data

大概较慢：

# above seems more efficient (no new memory alloc).
x.data = np.exp( x.data )

我一直在纠结如何获取每个 non-zero 数组元素的 element-wise log2()。我最终做了这样的事：

np.log2( x.data, out=x.data )

以下两种技术似乎正是我所寻找的。我的矩阵很稀疏，但它仍然有很多 non-zero 个元素。

感谢直接改变 x.data 的想法，我认为这是对稀疏矩阵的极好的见解。

感谢 for the idea of using "out" as itself. In the same thread, 指出了关于将 .data 提升为浮点数（输入可以是 int 或 smth）的重要警告，因此它与 .exp() 或我想做的任何功能兼容如果我写的是一般用途的话。

注意： 我刚刚开始学习稀疏矩阵，所以想知道这是否是个坏主意，原因我没有看到。如果我对此感到如履薄冰，请务必告诉我。

通常我不会弄乱私有属性，但是 .data 在我看过的各种稀疏矩阵的 attributes documentation 中显示得非常清楚。

Element wise exp() of scipy sparse matrix