scipy.sparse.coo_matrix 上的逐元素运算（例如取模）？

Question

如何对 scipy.sparse.coo_matrix 执行逐元素运算（例如取模）？

我是否必须从中创建一个 NumPy 密集数组？如果那样的话，我不会失去创建稀疏矩阵所获得的所有好处吗？

Answer 1

令人惊讶的是，不只是 sparse_input % whatever。那是不支持的。相反，对于标量 RHS，您可以直接操作 COO 格式：

coo_lhs = whatever
scalar_rhs = whatever
coo_result = scipy.sparse.coo_matrix(
    (coo_lhs.data % scalar_rhs, (coo_lhs.row.copy(), coo_lhs.col.copy())),
    shape=coo_lhs.shape)

将稀疏矩阵作为模运算的 RHS 没有意义 - 如果您确定需要，请转换为密集矩阵。

Answer 2

只要element-wise操作不改变数据的稀疏性，就可以使用.data属性，例如：

import scipy as sp
import scipy.sparse


m = (sp.sparse.rand(5, 10, 0.2) * 100).astype(int)
print(m)

  (1, 0)        34
  (1, 2)        2
  (2, 2)        39
  (1, 4)        54
  (3, 4)        22
  (4, 4)        46
  (1, 6)        40
  (1, 7)        97
  (4, 8)        60
  (4, 9)        97

m.data %= 10
print(m)

  (1, 0)        4
  (1, 2)        2
  (2, 2)        9
  (1, 4)        4
  (3, 4)        2
  (4, 4)        6
  (1, 6)        0
  (1, 7)        7
  (4, 8)        0
  (4, 9)        7

这应该是高效的并且不应该有任何转换开销。

请注意，对于零 0 是 absorbing element 的任何运算都可以这样做，至少在非对称（交换）运算的一侧（左侧或右侧）。

例如，在模%运算中，0是左吸收元素，因为0 % a = 0对任何a。整数除法//、除法/（只要不需要区分0.0和-0.0）和求幂**（对于正数）也是如此).对于乘法*，0是吸收元素。

对于按元素乘法的情况，* 和 /（至少通过标量）由 scipy.sparse.coo_matrix 对象的常规语法支持。

scipy.sparse.coo_matrix 上的逐元素运算（例如取模）？

Element-wise operations on scipy.sparse.coo_matrix (e.g. modulo)?

python

numpy

scipy

sparse-matrix