Scipy 稀疏矩阵乘法

Question

我有这个使用 numpy 数组的矩阵乘法示例：

import numpy as np
m = np.array([[1,2,3],[4,5,6],[7,8,9]])
c = np.array([0,1,2])
m * c
array([[ 0,  2,  6],
       [ 0,  5, 12],
       [ 0,  8, 18]])

如果 m 是 scipy 稀疏 CSR 矩阵，我如何做同样的事情？这给出了维度不匹配：

sp.sparse.csr_matrix(m)*sp.sparse.csr_matrix(c)

Answer 1

可以调用csr_matrix的multiply方法进行点乘。

sparse.csr_matrix(m).multiply(sparse.csr_matrix(c)).todense()

# matrix([[ 0,  2,  6],
#         [ 0,  5, 12],
#         [ 0,  8, 18]], dtype=int64)

Answer 2

当m和c是numpy数组时，m * c不是"matrix multiplication"。如果您认为是，那么您可能会犯错误。要获得矩阵乘法，请使用矩阵 class，例如 numpy 的 matrix 或 scipy.sparse 矩阵 classes.

你失败的原因是从矩阵的角度来看 c 是一个 1x3 矩阵：

c = np.matrix([0, 1, 2]) 
c.shape    # (1,3)

c = sp.csc_matrix([0, 1, 2])
c.shape    # (1,3)

如果你想要的是c的矩阵乘法，那么你需要使用转置。

c = np.matrix([0, 1, 2]).transpose()
c.shape    # (3,1)

m = np.matrix([[1,2,3],[4,5,6],[7,8,9]])
m.shape    # (3,3)

m * c
# matrix([[ 8],
#         [17],
#         [26]])

Scipy 稀疏矩阵乘法

Scipy sparse matrix multiplication

python

numpy

matrix

scipy

sparse-matrix