如何对scipy稀疏矩阵的行进行混洗？ 有一个scikitlearn.utils.shuffle，但它返回一个新的矩阵，因此对于非常大的稀疏矩阵，混洗不是就地完成的，而是复制矩阵。 有numpy.random.Generator.shuffle，但它似乎是work only for CSR matrices。 如何有效地打乱scipy稀疏矩阵的行数，不管它是以什么格式存储在内存中的？
浏览 14提问于2020-12-02得票数 0
回答已采纳
1回答
我必须计算稀疏矩阵中向量之间的大量相似计算。当前用于此任务的最佳工具scipy-sparse或pandas是什么？
浏览 5提问于2013-10-04得票数 2
1回答
复制参数在枕稀疏数组构造中的作用是什么？
scipy.sparse.lil_matrix(arg1, shape=None, dtype=None, copy=False)
它似乎什么也没做！
当我从另一个矩阵构造稀疏矩阵并显式设置copy=False时，更改一个矩阵并不会改变另一个矩阵。
import scipy.sparse as sp
import numpy as np
A = sp.csc_matrix(np.array([[1,0],[0,0]]))
B = sp.csr_matrix(A, copy=False)
B[1,1] = 1 #editing B should chan
浏览 4提问于2013-05-23得票数 2
回答已采纳
对于SciPy稀疏矩阵，可以使用todense()或toarray()将其转换为NumPy矩阵或数组。反转的函数是什么？
我搜索了，但不知道哪些关键字应该是正确的命中。
浏览 1提问于2011-10-28得票数 99
回答已采纳
我想迭代地构建稀疏矩阵，并注意到根据SciPy文档，有两个合适的选项：
类scipy.sparse.lil_matrix(arg1，shape=None，dtype=None，copy=False)基于源行的链表稀疏矩阵
这是一种增量构造稀疏矩阵的有效结构。
类scipy.sparse.dok_matrix(arg1，shape=None，dtype=None，copy=False)基于密钥的稀疏矩阵源字典。
这是一种增量构造稀疏矩阵的有效结构。
但是，当我运行基准，而不是构建一个值字典(后来可以很容易地转换为稀疏矩阵)，后者的速度大约是使用任何稀疏矩阵模型的10-20倍：
浏览 0提问于2015-01-04得票数 13
回答已采纳
scipy.sparse.csr_matrix和scipy.sparse.lil_matrix有什么不同？这些矩阵表示稀疏矩阵，但我不知道有什么不同。
此外，使用lil_matrix或csr_matrix的每一个优点是什么？
浏览 4提问于2021-09-17得票数 3
我很难理解什么时候使用稀疏版本的expm会比普通版本更好。
如果我取一个密度矩阵M，它恰好是稀疏的，大小为4000 x 4000矩阵并计算scipy.linalg.expm(M)，这大约需要25秒。如果然后执行M_sparse = sparse.csc_matrix(M)并计算scipy.sparse.linalg.expm(M_sparse)，则至少运行10分钟。
scipy.sparse.linalg.expm的正确用例是什么？它是否适用于大得多的矩阵？
浏览 5提问于2021-12-28得票数 2
我有一个2D矩阵。我想对最后几列和与这些列相关联的行进行混洗。
我尝试使用np.random.shuffle，但它只对列进行打乱，而不是对行进行打乱。
def randomize_the_data(original_matrix, reordering_sz):
new_matrix = np.transpose(original_matrix)
np.random.shuffle(new_matrix[reordering_sz:])
shuffled_matrix = np.transpose(new_matrix)
print(shuffled_matri
浏览 17提问于2019-03-26得票数 1
回答已采纳
2回答
我在python中有一个简单的“矩阵”，我想对其进行稀疏处理： np.array([[5.72756493, 0. , 0. ],
[2.86378246, 4.96021673, 0. ],
[5.72756493, 3.30681115, 2.33826859]]) 我想将其简化为以下形式： np.array([[5.72756493, 0. , 0. ],
[2.86378246, 4.96021673, 0. ],
[0.
浏览 50提问于2019-09-17得票数 0
回答已采纳
1回答
我使用python中的稀疏库创建了一个5维的稀疏矩阵，我的代码看起来与文档类似：
import sparse
coords = [[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4]]
data = [10, 20, 30, 40, 50]
s = sparse.COO(coords, data, shape=(5, 5))
我想保存这个矩阵，这样我以后就可以用下面这样的东西加载它：
sp.save_npz("filename.npz", s)
与sparse包中的save_npz (在scipy中)等效的功能是什么？
浏览 11提问于2019-08-13得票数 1
回答已采纳
1回答
我需要从SciPy稀疏矩阵中剪除大量条目。目前，我将矩阵转换为DOK格式，并将每个条目分别分配给0。
m = m.todok()
for i, j in pruneme:
m[i,j] = 0
这太慢了。
有更快的路吗？
浏览 2提问于2016-03-08得票数 3
回答已采纳
1回答
我想知道是否有一种方法可以简单地将密集向量添加到稀疏矩阵的所有行中，在scipy.sparse中表示为一个稀疏矩阵并返回一个稀疏矩阵，即只对稀疏矩阵的非零元素求和。
如果我这样做：
import numpy as np
import scipy.sparse as sp
W = sp.csr_matrix(np.array([[0,0,1],[0,1,0]]))
v = np.array([2,3,4])
然后
sum = W + v
sum显然是一个稠密矩阵，但它的零数之和也很明显。然而，当我试图做：
b = (W != 0)
s = b.multiply(v)
sum = W + s
我得
浏览 2提问于2014-06-06得票数 2
回答已采纳
1回答
我正在做一个简单的稀疏矩阵指数，a**16，使用ciply-0.17。(注意，不是按元素进行乘法)。然而，在我的机器上(运行Debian和Ubuntu )，这比使用for循环或做一些类似a*a*a*a*a*a*a*a*a*a*a*a*a*a*a*a之类的傻事要慢十倍。这没有道理，所以我想我做错了什么，但是什么？
import scipy.sparse
from time import time
a=scipy.sparse.rand(2049,2049,.002)
print ("Trying exponentiation (a**16)")
t=time()
x=a**1
浏览 1提问于2017-06-19得票数 11
回答已采纳
3回答
我正在尝试使用sklearn库在Python语言中将信号分解成大型稀疏矩阵中的组件(矩阵分解)。
我利用scipy的scipy.sparse.csc_matrix来构建我的数据矩阵。然而，我不能进行任何分析，比如因子分析或独立成分分析。我唯一能做的就是使用truncatedSVD或scipy的scipy.sparse.linalg.svds来执行主成分分析。
有没有人知道在python中对稀疏矩阵进行ICA或FA的解决方法？任何帮助都将不胜感激！谢谢。
浏览 1提问于2015-04-29得票数 2
1回答
从csv文件导入稀疏矩阵
、、、、
我有一个具有标题的csv文件，如：
由于这个test.csv文件包含sparse matrix
"A","B","C","D","E","F","timestamp"
611.88243,0,0,0,0,0,0
0,9089.5601,0,864.07514,0,0,0
0,0,5133.0,0,0,0,0
我只是想以稀疏矩阵/ndarray的形式加载它，其中包含3行7列。如果使用load.txt，则得到3行7列的数组。
numpy.loadtxt(open("test.cs
浏览 2提问于2014-06-26得票数 2
当我试图将矩阵s (任何可用的稀疏类型)分配给NumPy数组a时，如下所示：
a[:] = s
我得到了一个TypeError
TypeError: float()参数必须是字符串或数字
有办法绕过这件事吗？
我了解todense()和toarray()方法，但我非常希望避免不必要的复制，我更愿意对NumPy数组和SciPy稀疏矩阵使用相同的代码。现在，我不关心从稀疏矩阵中得到的值效率很低。
是否有某种与NumPy索引分配有关的稀疏矩阵的包装器？
如果没有，有什么建议可以让我自己去建造这样的东西吗？
在这种情况下，是否有与NumPy合作的不同稀疏数组库？
更新：
我在NumPy源代码中
浏览 9提问于2014-11-14得票数 2
回答已采纳
1回答
如何处理大型稀疏矩阵的构造？
、、、、
因此，我正在维基百科的一个转储中计算出大约570万页的页面大小。这些文件是经过预处理的，因此不在XML中。
它们摘自，格式如下：
from_page(1): to(12) to(13) to(14)..
from_page(2): to(21) to(22)..
.
.
.
from_page(5,700,000): to(xy) to(xz)
等等。所以。基本上，这是一个[5,700,000*5,700,000]矩阵的构造，这只会破坏我的4G内存。由于它非常-非常稀疏，这使得使用scipy.lil.sparse或scipy.dok.sparse存储变得更容易，现在我的问题是：
我到底该如何将
浏览 3提问于2014-10-25得票数 3
1回答
我用np.save('X', X)保存了一个枕形的csr矩阵。当我用np.load('X.npy')加载它时，我得到了以下内容：
array(<240760x110493 sparse matrix of type '<class 'numpy.float64'>' with 20618831 stored elements in Compressed Sparse Row format>, dtype=object)
但是，我不能使用索引(如X[0,0]或X[:10,:10] or X[0]都给出
浏览 8提问于2016-02-12得票数 1
回答已采纳
3回答
如果我对numpy.zeros矩阵做同样的操作，它就能工作。但对于枕骨稀疏矩阵，它不起作用。为什么？
import scipy.sparse as sparse
import scipy as sp
a = sparse.lil_matrix((3,3), dtype=int)
a[0,0] = 0
a[1,1] = 1
a[2,2] = 2
b = a.sum(0)
bo = (-b).argsort()
ao = sp.take(a, bo, axis=1)
我知道错误：
ValueError: axis(=1) out of bounds
为什么这不起作用。有人能告诉我怎么修吗？或者用枕
浏览 9提问于2016-02-14得票数 0
回答已采纳
1回答
我有一个矩阵，比如：
A=
4 7 8 9
3 3 5 7
6 4 8 6
并希望随机洗牌列，并执行类似以下操作：
A=
8 4 9 7
5 3 7 3
8 6 6 4
有谁知道吗？
浏览 0提问于2012-09-12得票数 22
回答已采纳
我有一个文档术语矩阵，它与语料库中的术语同时出现，正如所解释的那样。
vocabulary = {} # map terms to column indices
data = [] # values (maybe weights)
row = [] # row (document) indices
col = [] # column (term) indices
import scipy
for i, doc in enumerate(bloblist):
for term in doc:
# get column index, add
浏览 7提问于2015-08-10得票数 1
回答已采纳
我想使用mt19937遍历一个数组，并从数组中抓取每个值一次，但顺序是随机的。本质上，有没有一种方法可以使用mt19937一次生成特定范围内的所有数字(而不只是忽略重复项，但确保它不会完全生成重复项(为了提高效率))？
我曾经考虑过一个shuffle函数，但它只是我关心的索引；数组中的值是任意的，但它们对应的索引很重要。我有一个由1组成的矩阵，我需要随机选择一个索引，并将1转换为0。但是我不想执行超过必要的计算(恰好和矩阵中的元素一样多)。
浏览 16提问于2017-01-10得票数 0
1回答
我试图计算一个大矩阵的乘法逆(~ >40000x40000)。这可以通过例如numpy.linalg.inv或scipy.linalg.inv来完成。很不幸，在我可以访问的HPC上，计算失败.。
numpy.linalg.inv(I-A)或scipy.linalg.inv(I-A)等价于(I-A)^-1，D5可以通过I + A + AA + AAA + AAAA ...或I + A + A^2 + A^3 + A^4 ...近似。
因为我不能运行linalg.inv，所以我编写了一个函数来近似它。然而，事实证明，用完整的矩阵运行我的函数非常慢。因此，我想知道我的代码是否是简单的低效/缺陷
浏览 0提问于2022-06-17得票数 0
回答已采纳
1回答
我想把我的稀疏scipy.lil_matrix矩阵除以向量，再得到稀疏矩阵。假设我有2个lil_matrix变量和2个numpy数组a, b, c, d，如下所示
In [1]: a
Out[1]:
<4x3 sparse matrix of type '<class 'numpy.float64'>'
with 11 stored elements in LInked List format>
In [2]: b
Out[2]:
<4x1 sparse matrix of type '<class &#
浏览 1提问于2018-02-18得票数 2
回答已采纳
我正在使用Xcode5.0为iPad编写一个应用程序，我试图实现一个允许NSMutableArray混洗的类别。我正在使用测试驱动开发，并且我使用Objective-C++编写了如下测试：
size_t randomInteger(size_t);
@implementation ShuffleArrayTests
- (void)testsShufflesAnArray
{
NSMutableArray* array = [@[@"one", @"two", @"three", @"four", @"five
浏览 2提问于2014-02-16得票数 0
我正在开发一个分类器，它将使用Target_Column中的非NaN值来预测应该替换所有NaN值的位置。但在训练我的模型之后，我在将预测分配给原始数据框架中的新列之前和之后对其进行了测试。这两个测试不匹配。对我来说，问题似乎是预测之后的转换之一是以某种方式打乱预测，使它们不再匹配。我已经尽可能多地删除了无关的代码。 ##############################################################
### Here is the initial data transformation for background ###
### You
浏览 13提问于2019-12-11得票数 0
2回答
我正在开发基于pandas DataFrame对象的工具。我希望将scipy稀疏矩阵保留为DataFrame的列，而不是将其按行转换为dtype('O')的列表/数值数组。
下面的代码片段不起作用，因为pandas将矩阵视为标量，并建议添加索引。当在矩阵中的行索引上提供pd.RangeIndex时，矩阵将对数据帧中的每一行重复(因为pandas认为它是标量)。
ma = scipy.sparse.rand(10, 100, 0.1, 'csr', dtype=np.float64)
df = pd.DataFrame(dict(X=ma))
这是可行的：
df
浏览 12提问于2016-09-12得票数 4
回答已采纳
为了更好地解释我的用例，A是一个稀疏矩阵，tf值是一个稀疏的矩阵，而B是一个数组，它具有数据的一些附加特性。
我已经分到了训练集和测试集，所以在我的例子中，A和B只是关于训练集的。我(希望)在这段代码之后对测试集做同样的操作。
我想将这些矩阵/数组连接起来，因为我想将它们传递给一个sklearn ML模型来训练它，我不认为我可以单独传递它们。
所以我试着这么做：
C = np.concatenate((A, B.T), axis=1)
其中A是<class 'scipy.sparse.csr.csr_matrix'>，B是<class 'numpy.n
浏览 0提问于2019-08-05得票数 3
1回答
假设我想监控我的SciPy稀疏矩阵mat占用的内存。在NumPy中，我可以利用nbytes属性，但在SciPy中似乎没有这样的东西。如何检索此信息？
浏览 3提问于2017-01-25得票数 4
回答已采纳
我使用scipy.sparse.lil_matrix创建了一个稀疏矩阵
import scipy.sparse as sp
test = sp.lil_matrix((3,3))
test[0,0]=1
我可以遍历并打印非零元素，方法是：
for el in test:
print(el)
打印出(0, 0) 1.0。我如何访问这两条信息而不打印？换句话说，返回索引和值的lil_matrix元素有哪些合适的方法？执行el.data返回array([list([])], dtype=object)。
请注意，我使用的是lil_matrix，因为我需要在一个非常大的双for循环中将非
浏览 2提问于2020-10-13得票数 1
回答已采纳
1回答
在我的研究中，我需要从均匀分布随机生成稀疏(复值)么正矩阵。对于我来说，使用下面的代码来生成通用么正矩阵不是问题：
X = (randn(n) + i*randn(n))/sqrt(2);
[Q,R] = qr(X);
R = diag(diag(R)./abs(diag(R)));
U = Q*R;
然而，我不知道如何生成矩阵的稀疏版本，我也没有在互联网上找到。你能在这方面给我指点一下吗？
浏览 0提问于2019-11-21得票数 1
3回答
假设我有Numpy数组p和一个稀疏矩阵q，这样
>>> p.shape
(10,)
>>> q.shape
(10,100)
我想做一个p和q的点乘积。当我尝试使用numpy时，我得到以下结果：
>>> np.dot(p,q)
Traceback (most recent call last):
File "/usr/local/lib/python2.7/dist packages/IPython/core/interactiveshell.py", line 2883, in run_code
exec(co
浏览 4提问于2015-06-25得票数 1
回答已采纳
1回答
下面是我的代码：
data=pd.get_dummies(data['movie_id']).groupby(data['user_id']).apply(max)
df=pd.DataFrame(data)
replace=df.replace(0,np.NaN)
t=replace.fillna(-1)
sparse=sp.csr_matrix(t.values)
我的数据由两列组成，分别是movie_id和user_id。
user_id movie_id
5 1000
6
浏览 0提问于2018-07-09得票数 2
我在matlab中创建了一个大小为n的矩阵，它只包含1和0。最简单的方法是对大小为mxn的矩阵进行舍入(rand(m，n))，但在某些情况下，它会创建全为0或全为1的行。我想在每一行的个数中设置一个上限和一个下限。有什么简单的方法可以做到这一点吗？
谢谢
浏览 0提问于2016-10-23得票数 0
我正在寻找一个C/C++接口，用于在Linux中高效地计算巨大的稀疏矩阵。矩阵可以是数百万倍、数百万/数千倍。我检查了一些现有的库，但它们似乎都不能满足我的所有需求。
1，我需要通过动态添加元素来创建一个稀疏矩阵。(不适用于SparseLib++)
2，我还需要能够创建一个稀疏对角矩阵，以便我可以用不同的标量缩放另一个稀疏矩阵的列。(没有找到用于此的库，也许还有另一种方法可以按列缩放稀疏矩阵)
3、需要支持矩阵乘以矩阵/向量的运算(很多库都支持这些基本运算)
4，它需要支持两个稀疏矩阵或向量之间的逐项乘法或除法，比如.*或./在MATLAB中(我没有找到这样的库，我需要这个操作来筛选出一个稀疏
浏览 0提问于2010-12-11得票数 0
我需要创建一个随机矩阵，假设大小为3X4，其中值将在1-6之间，并且每个值将恰好获得两次(在矩阵中的随机位置)。我该怎么做呢？谢谢
浏览 2提问于2015-04-22得票数 0
摘要：--我正在寻找一种方法来使用稀疏矩阵进行计算，稀疏矩阵的非零项不是通常的整数/浮点数/等等，而是代数的元素，即带有加法、乘法和零元素的非标准python类的实例。
适用于密集矩阵。I通过定义python类algebra和重载加法和乘法实现了这个代数：
class algebra(object):
...
__mul__(self,other):
...
__add__(self,other):
...
numpy允许我定义向量和矩阵，它们的条目是类algebra的实例。它还允许我执行所有常用的操作，如矩阵multiplication/additi
浏览 1提问于2019-08-01得票数 1
2回答
在一个简单的向量矩阵乘法中，当使用scipy.sparse矩阵而不是稠密矩阵时，得到不同的结果/输出格式。例如，我使用以下密集矩阵和向量：
import numpy as np
from scipy import sparse
mat = np.array([[1, 1, 0, 0, 0], [0, 2, 2, 0, 0], [0, 0, 3, 3, 0], [0, 0, 0, 4, 4]])
vec = np.arange(1, 5)
对于向量矩阵积，我得到以下预期输出：
vec.dot(mat) # array([ 1, 5, 13, 25, 16])
mat.T.dot(vec)
浏览 1提问于2016-10-29得票数 0
回答已采纳
3回答
初始化高维稀疏矩阵
、、、
我想使用sklearn初始化300,000 x 300,0000稀疏矩阵，但它需要内存，就好像它不是稀疏的一样： >>> from scipy import sparse
>>> sparse.rand(300000,300000,.1) 它会给出错误： MemoryError: Unable to allocate 671. GiB for an array with shape (300000, 300000) and data type float64 这与我使用numpy进行初始化时的错误相同。 np.random.normal(size=[
浏览 48提问于2020-11-16得票数 3
回答已采纳
1回答
我正在尝试使用scipy稀疏矩阵实现余弦相似度，因为我在使用正常矩阵(非稀疏)时遇到了内存错误。然而，我注意到当输入矩阵(观察值)较大时，稀疏和非稀疏矩阵的余弦相似度的内存大小(以字节为单位)几乎相同。我是不是做错了什么，或者，有没有办法解决这个问题？这里的代码中，输入有5%为1，95%为0。
import numpy as np
from sklearn.metrics.pairwise import cosine_similarity
from scipy import sparse
A = np.random.rand(10000, 1000)<.05
A_sparse = spa
浏览 0提问于2018-12-10得票数 1
2回答
Python创建一个空的稀疏矩阵
、、、、
我试图将一些真实的数据解析到一个.mat对象中，以便在我的脚本中加载。
我得到了这个错误：
TypeError：'coo_matrix‘对象不支持项分配
我找到了。但是，我不能给它赋值。
data.txt
10 45
11 12
4 1
我想要一个大小为100x100的稀疏矩阵。并分配1给
Mat(10, 45) = 1
Mat(11, 12) = 1
Mat(4, 1) = 1
码
import numpy as np
from scipy.sparse import coo_matrix
def pdata(pathToFile):
M = coo_matri
浏览 1提问于2017-08-07得票数 5
回答已采纳
2回答
在scipy中，当我将稀疏矩阵的一部分与只包含零的数组相乘时，结果是一个比以前少或同样稀疏的矩阵，尽管它应该是更多或同样稀疏的。将矩阵的部分设置为0或False的情况也是相同的：
>>> import numpy as np
>>> from scipy.sparse import csr_matrix as csr
>>> M = csr(np.random.random((8,8))>0.9)
>>> M
<8x8 sparse matrix of type '<type 'numpy
浏览 2提问于2018-01-09得票数 0
1回答
我有两个稀疏矩阵A(亲和力矩阵)和D(对角矩阵)，维数为100000*100000。我必须计算拉普拉斯矩阵L= D^(-1/2)*A*D^(-1/2)。我正在使用scipy CSR格式的稀疏矩阵。
我没有找到任何方法来求稀疏矩阵的逆。如何求稀疏矩阵的L和逆矩阵？还建议使用python来做这件事是否有效，或者我是否应该调用matlab函数来计算L？
浏览 1提问于2012-02-12得票数 3
1回答
尝试用随机值填充布尔矩阵
、、、、
while(MatriceLib.compteTrue(champsMine)!= nbMines)
{
int i = (int) Math.floor((Math.random()*(longueur-1)));
int j = (int)Math.floor((Math.random()*(largeur-1)));
champsMine[i][j] = true;
}
champsMine是布尔值位于任意位置的布尔矩阵。compteTrue返回的是矩阵中true数的整数值。nbMines是矩阵必须具有的true
浏览 1提问于2013-11-19得票数 1
2回答
设矩阵A为对角矩阵，B为随机矩阵，均为N×N。我们希望利用矩阵A的稀疏性来优化点积，即点(B，A)。
但是，如果我们使用矩阵A的稀疏性来计算乘积，我们就看不到任何优势(而且速度要慢得多)。
import numpy as np
from scipy.sparse import csr_matrix
# Matrix sizes
N = 1000
#-- matrices generation --
A = np.zeros((N,N), dtype=complex)
for i in range(N):
A[i][i] = np.random.rand()
B = np.random
浏览 4提问于2017-03-01得票数 1
回答已采纳
1回答
以下操作在Pandas中的名称是什么？
import numpy as np
import pandas as pd
x=np.linspace(10,15,64)
y=np.random.permutation(64)
z=x[y]
ndarray "x“(我假设)使用ndarray "y”进行混洗，然后将结果ndarray赋给"z“。
此操作的名称是什么？我在Pandas文档中找不到它。
谢谢，Pawel
浏览 2提问于2020-02-10得票数 0
我有一个非常大的Scipy稀疏(csr)矩阵。我不能使用M.toarray()，因为它触发了ValueError: array is too big.，是否有一种方法可以在Python中保存一个稀疏矩阵，以便在Matlab中读取？我需要一些工具，在Matlab中可用。
浏览 3提问于2014-01-19得票数 2
回答已采纳
如何打印使用SuperLU的splu计算的稀疏L和U矩阵？
我的MWE：
>>> import scipy
>>> import scipy.sparse
>>> import scipy.sparse.linalg
>>> from numpy import array
>>> M = scipy.array([ [19,0,21,21,0],[12,21,0,0,0],[0,12,16,0,0],[0,0,0,5,21],[12,12,0,0,18] ])
>>> cscM = sc
浏览 0提问于2013-05-25得票数 2
回答已采纳
2回答
我正在从事一个项目，其中我需要处理3维大型数组。我使用numpy 3d数组，但我的大多数条目都将是零，所以这是大量的内存浪费。Scipy sparse似乎只允许2D矩阵。有没有其他方法可以存储3D稀疏数组？
浏览 0提问于2015-04-26得票数 13
我在SciPy稀疏矩阵上搜索一个矩阵平方根操作，比如scipy.linalg.sqrtm (非元素平方根)，但是我什么也找不到。换句话说，scipy.sparse.linalg.sqrtm不存在。有没有人知道如何对稀疏矩阵进行这种操作(除了转换为密集矩阵和使用SciPy的linalg.sqrtm)
人们已经提出了通过sparse_matrix**power在稀疏矩阵上进行矩阵幂的方法，但是它只能处理整数幂。
浏览 5提问于2017-05-12得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
