使用廣播與稀疏scipy矩陣

我有numpy數組Z形狀(k,N)和第二個陣列X形狀(N,n)。使用廣播與稀疏scipy矩陣

使用numpy廣播，我可以很容易地獲得新的陣列H與形狀(n,k,N)其切片陣列Z其行已經乘的X列：

H = Z.reshape((1, k, N)) * X.T.reshape((n, 1, N))

這工作得很好，是出奇的快。現在，X是非常稀疏的，我想用稀疏矩陣操作進一步加速這個操作。

但是如果我執行以下操作：

import scipy.sparse as sprs 
spX = sprs.csr_matrix(X) 
H = (Z.reshape((1,k,N))*spX.T.reshape((n,1,N))).dot(Z.T)

我得到以下錯誤：

Traceback (most recent call last): 
    File "<input>", line 1, in <module> 
    File "C:\Python27\lib\site-packages\scipy\sparse\base.py", line 126, in reshape 
    self.__class__.__name__) 
NotImplementedError: Reshaping not implemented for csc_matrix.

是否有使用稀疏矩陣scipy廣播的方式？

來源

2016-11-17 Ulderique Demoitre

除了2d限制之外，稀疏數學只適用於其他稀疏矩陣。在處理密集數組時，稀疏矩陣轉換爲密集矩陣。用'spX'來玩耍，看看各種數學運算會發生什麼。 – hpaulj

Scipy稀疏矩陣限於2D形狀。但是你可以在「疏」的方式來使用numpy的：

H = np.zeros((n,k,N), np.result_type(Z, X)) 
I, J = np.nonzero(X) 
Z_ = np.broadcast_to(Z, H.shape) 
H[J,:,I] = Z_[J,:,I] * X[I,J,None]

不幸的是，結果H仍然是一個密集排列。

N.b.使用None進行索引是在所需軸上添加單位長度尺寸的簡便方法。將高級索引與切片結合時的結果順序爲explained in the docs。

來源

2016-11-17 13:13:52 user7138814

使用廣播與稀疏scipy矩陣

回答

相關問題