2回答
我在使用COO稀疏矩阵作为亲和传播的输入时遇到了问题，但是对于numpy数组来说，它工作得非常好。
举个例子，假设我的相似矩阵是：
[[1.0, 0.9, 0.2]
[0.9, 1.0, 0.0]
[0.2, 0.0, 1.0]]
Numpy矩阵版本
import numpy as np
import sklearn.cluster
simnp = np.array([[1,0.9,0.2],[0.9,1,0],[0.2,0,1]])
affprop = sklearn.cluster.AffinityPropagation(affinity="precomputed")
浏览 0提问于2016-03-03得票数 1
回答已采纳
我正在使用python中的大型稀疏矩阵(从文本生成的文档特征矩阵)。这需要相当多的处理时间和内存来处理这些，我想稀疏矩阵可以提供一些改进。但我担心使用稀疏矩阵库会使插入其他python (和R，通过rpy2)模块变得更加困难。
已经跨过这座桥的人能提供一些建议吗？在python/R中使用稀疏矩阵在性能、可伸缩性和兼容性方面有什么优缺点？
浏览 5提问于2011-04-22得票数 8
回答已采纳
我试图对一组数据点进行聚类，这些数据点表示为稀疏的枕矩阵，即，
>>> print type(X)
<class 'scipy.sparse.csr.csr_matrix'>
>>> print X.shape
(57, 1038)
>>> print X[0]
(0, 223) 0.471313296962
(0, 420) 0.621222153695
(0, 1030) 0.442688836467
(0, 124) 0.442688836467
但是，当我将这个矩阵输
浏览 0提问于2013-11-14得票数 0
回答已采纳
1回答
我在python中工作，用的是大小为n的稀疏矩阵A，我使用的是csr_matrix格式，我把矩阵包装成线性算子，这样我就可以使用slinalg包了。
我需要计算A^T*A积。然而，我无法设法找到适当的例程来实现这一点。我可以使用线性算子的matmat函数，但这要求我将矩阵转换为密集格式。
在python中(即使有不同的包)，我如何在不转换为密集矩阵的情况下，将两个稀疏矩阵相乘呢？我的矩阵很大，由于内存需求，转换会导致崩溃。
浏览 4提问于2020-08-16得票数 0
回答已采纳
1回答
Python上的大型稀疏矩阵反演
、、、、
目前，我正在使用Python上的最小二乘算法，用于一些大地测量计算。
我选择了Python (它不是最快的)，它运行得很好。但是，在我的代码中，我有大型稀疏对称(非正定)矩阵的反转，所以不能使用Cholesky矩阵来执行(下面的图像)。现在使用np.linalg.inv()，它使用LU分解方法。
我非常肯定，在快速性方面会有一些优化。
我想到了Cuthill，然后用它的逆值来计算矩阵。你有什么想法或建议吗？
非常感谢你的回答！
浏览 40提问于2022-09-09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
稀疏矩阵乘法的最佳包
、、、、
我正在寻找最好的包稀疏矩阵乘法上的单核解。我不寻找CUDA，MPI或OpenMP解决方案。
我更喜欢按递减顺序排列的语言: Matlab、Python、C/C++。
Matlab有自己的矩阵乘法函数，可用于稀疏矩阵乘法。有更好的套餐吗？
我必须乘两个大矩阵，它们是稀疏格式的。
一个矩阵是677000乘48000，另一个矩阵是48000乘8192.这里，n-by-d表示行的n：#，列的d：#。
浏览 0提问于2013-08-23得票数 2
回答已采纳
我正在使用python、sklearn和numpy，我正在创建以下稀疏矩阵：
feats = tfidf_vect.fit_transform(np.asarray(tweets))
print(feats)
feats=np.log(np.asarray(feats))
但是，当我应用日志时，我会得到以下错误：
Traceback (most recent call last):
File "src/ef_tfidf.py", line 100, in <module>
feats=np.log(np.asarray(f
浏览 2提问于2015-12-03得票数 0
回答已采纳
我是Python新手，您能帮我介绍一些基本的稀疏矩阵操作吗：
如何从稀疏矩阵中提取密集行向量而不预先使整个矩阵密集？coo_matrix.getrow()只返回稀疏表示。
如何从稀疏矩阵中随机抽取行的比例(例如，80%)？我需要用它们作为训练数据，剩下的比例作为测试数据。
提前感谢！
浏览 3提问于2013-04-28得票数 1
回答已采纳
2回答
Sage中的稀疏矩阵
、、、
所以我有一个非常大的矩阵，n= 70.000，充满了RDF。对于正常矩阵，这当然是不可能的。所以我想使用某种形式的稀疏矩阵，矩阵列中的元素在很多情况下都是0，或者所有相同的低RDF。 例如： 0 | 0.1 | 0.2 | 0
0 | 0.1 | 0.2 | 0.1
0.1 | 0 | 0 | 0.1
0 | 0.1 | 0.2 | 0 在此示例中，第一列具有3乘以0，第二列为3乘以0.1，... 如何在Sage/Python中初始化这样的矩阵？
浏览 13提问于2019-04-21得票数 0
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
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
我在R中有一个非常大且稀疏的矩阵，它是用“矩阵”包创建的，我想在python + numpy中处理。R对象是csc格式，如果我使用矩阵包中的函数writeMM导出它，输出如下所示：
%%MatrixMarket matrix coordinate real general
4589 17366 160441
22 1 5.954510725783322
36 1 29.77255362891661
41 1 23.81804290313329
74 1 5.954510725783322
116 1 59.54510725783322
127 1 11.909021451566645
159
浏览 5提问于2015-07-23得票数 1
回答已采纳
3回答
我现在想用它的转置来乘一个大型稀疏矩阵(~1M×200 k)。结果矩阵的值将以浮点数表示。
我试着将矩阵加载到枕的稀疏矩阵中，并将第一矩阵的每一行与第二矩阵相乘。乘法用了2小时才完成。
实现这种乘法的有效方法是什么？因为我在计算中看到了一个模式。
矩阵大而稀疏。
矩阵的乘法及其转置。因此，得到的矩阵是对称的。
我想知道哪些库可以更快地实现计算。它可以是Python、R、C、C++或任何其他语言。
浏览 7提问于2014-07-04得票数 10
回答已采纳
我有一个密集矩阵A，如A= np.random.rand(100,100)，我需要创建一个稀疏矩阵(块反对角矩阵)作为
(0A)(A^t0)
为了使它是对称的，所以我可以用eigsh得到一些特征值和特征向量。
有人能在python中提供一些代码片段吗？非常感谢!
浏览 5提问于2022-07-22得票数 -1
3回答
使用稀疏矩阵与numpy数组
、、、、
我用Python创建了一些带有字计数的numpy数组:行是文档，列是单词X的计数。如果我有大量的零计数，人们建议在进一步处理这些数组时使用稀疏矩阵，例如在分类器中。然而，当向Scikit 中输入numpy数组与稀疏矩阵时，它似乎没有多大区别。所以我想知道三件事：
说
稀疏矩阵是大多数元素为零的矩阵。
这是否是确定何时使用稀疏矩阵格式的适当方法--只要> 50 %的值为零？还是说以防万一才有意义呢？
稀疏矩阵对像我这样的任务的性能有多大的帮助，特别是与numpy数组或标准列表相比？
到目前为止，我将数据收集到一个numpy数组中，然后转换为csr_matrix in 。
浏览 5提问于2016-05-01得票数 46
回答已采纳
1回答
我有一个稀疏矩阵(从python函数接收)，我想将其转换为numpy矩阵。numpy矩阵不适合本地内存，我想把它放到pySpark中的RDD中。我一般不太熟悉Spark，因此我不知道如何将本地spase矩阵加载到RDD中。
浏览 2提问于2015-06-17得票数 1
1回答
稀疏矩阵上的点积
、、、
我试着用Python计算稀疏矩阵中一行的点积，并转置该行。我有一个巨大的稀疏矩阵，叫做X2。我将结果(应该是单个数字)保存在一个名为Njc的列表中。
X2 = X.transpose()
for row in X2:
Njc.append(dot(row,row.transpose()))
但是，当我运行我的程序时，结果不是单个数字。它们看起来像：(0，0) 355
(0，0) 295
(0，0) 15
(0，0) 204
(0，0) 66
……
不幸的是，我的稀疏矩阵太大了，以至于我不能把它变成一个密集的矩阵(我的记忆会爆炸)。有没有办法只得到右边的数字，而不
浏览 4提问于2012-11-19得票数 4
回答已采纳
1回答
我目前正在尝试对文本进行分类。我的数据集太大了，正如所建议的那样，我需要使用稀疏矩阵。我的问题是，将元素添加到稀疏矩阵的正确方法是什么？比方说，我有一个矩阵X，它是我的输入。
X = np.random.randint(2, size=(6, 100))
现在这个矩阵X看起来像ndarray的ndarray (或类似的东西)。
如果我这样做了
X2 = csr_matrix(X)
我有稀疏矩阵，但如何向稀疏矩阵添加另一个元素？例如，这个密集元素:1，0，0，1，1，1，0，...,0,1,0到一个稀疏向量，我如何将它添加到稀疏输入矩阵中？
(顺便说一句，我是python，scipy，numpy
浏览 0提问于2012-12-06得票数 7
回答已采纳
我试图在MATLAB中用Python重现一个结果。然而，我似乎不能把它弄对。下面是正确的MATLAB代码：
nx = 5;
ny = 7;
x = linspace(0, 1, nx); dx = x(2) - x(1);
y = linspace(0, 1, ny); dy = y(2) - y(1);
onex = ones(nx, 1);
oney = ones(ny, 1);
Dx = spdiags([onex -2*onex onex], [-1 0 1], nx, nx);
Dy = spdiags([oney -2*oney oney], [-1 0 1], ny, ny
浏览 1提问于2013-06-11得票数 5
回答已采纳
1回答
numpy中稀疏矩阵的中位数
、、、、
在python中获得sparse.csr_matrix矩阵的中值(沿着行和列)的最佳方法是什么？
PS：没有中位数的任何功能
浏览 0提问于2017-10-18得票数 0
2回答
我正在尝试将主成分分析应用于巨大的稀疏矩阵，在下面的链接中它说sklearn的randomizedPCA可以处理scipy稀疏格式的稀疏矩阵。
然而，我总是得到错误。有人能指出我做错了什么吗？
输入矩阵'X_train‘包含float64格式的数字：
>>>type(X_train)
<class 'scipy.sparse.csr.csr_matrix'>
>>>X_train.shape
(2365436, 1617899)
>>>X_train.ndim
2
>>>X_train
浏览 1提问于2015-11-09得票数 19
我有一个scipy.sparse.csr.csr_matrix，它是TfidfVectorizer()类的输出。我知道我可以以这种方式访问这个矩阵的各个组成部分：
所以如果我有这个矩阵
tf_idf_matrix = vectorizer.fit_transform(lines)
我可以在这里访问各个组件：
tf_idf_matrix.data
tf_idf_matrix.indices
tf_idf_matrix.indptr
如何从Python中保存它--这样我就可以将它加载到MATLAB稀疏矩阵中？或者如何将其转换为密集数组，并将其保存为一个numpy.ndarray文本文件--这样我就
浏览 6提问于2013-12-31得票数 1
回答已采纳
1回答
我有一个索引向量(我们称之为peo)、稀疏矩阵P和矩阵W。在MATLAB中，我可以做这样的操作：
P(peo, peo) = W(peo, peo)
在Python中是否有同样的方法来保持相同的计算和时间复杂度？
浏览 3提问于2022-10-26得票数 1
回答已采纳
2回答
稀疏矩阵的高效最近邻搜索
、、、
我有一个庞大的数据(文本)语料库，我已经将其转换为稀疏术语文档矩阵(我使用scipy.sparse.csr.csr_matrix来存储稀疏矩阵)。我希望为每个文档找到前n个最近的邻居匹配。我希望Python scikit-learn库中的NearestNeighbor例程(准确地说是sklearn.neighbors.NearestNeighbor)可以解决我的问题，但是使用空间分区数据结构(如KD trees或Ball trees )的高效算法不能处理稀疏矩阵。只有蛮力算法才能处理稀疏矩阵(这在我的情况下是不可行的，因为我正在处理大型语料库)。
稀疏矩阵的最近邻搜索(用Python或任何其他
浏览 1提问于2013-08-11得票数 9
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
6回答
我有两个大小为100000 x 100000的sq矩阵(a，b)。我必须求这两个矩阵的差(c = a-b)。结果矩阵'c‘是一个稀疏矩阵。我想找出所有非零元素的索引。我必须多次执行此操作(>100)。
最简单的方法是使用两个for循环。但这是计算密集型的。你能告诉我任何算法或包/库，最好是在R/python/c中尽可能快地做到这一点吗？
浏览 2提问于2011-09-09得票数 6
回答已采纳
1回答
我在python中有一个块对角线稀疏矩阵，它有数十万到数百万行，但是在1x1到6x6之间有许多不同大小的块；例如，子矩阵上的plt.spy()：
我需要这个矩阵的逆，而不是在python中循环(太慢)。我应该能够提取块对角线，以获得一个2d数组的列表(还没有实际实现这一点)，但即使这样，我也无法知道如何将np.linalg.inv()应用于一组不同大小的矩阵。对稀疏矩阵形式或通过对角线块列表进行反演有什么想法？？
浏览 12提问于2022-02-21得票数 2
回答已采纳
3回答
在python中有没有一种简单的方法来处理稀疏矩阵？
下面是我对非稀疏矩阵进行混洗的方法：
index = np.arange(np.shape(matrix)[0])
np.random.shuffle(index)
return matrix[index]
我如何使用numpy sparse来做这件事？
浏览 3提问于2012-09-02得票数 9
回答已采纳
我有一个16000×600的布尔矩阵。我想用Jaccard距离作为度量，从它创建一个距离矩阵。最终矩阵的维数为16000×16000。为此，我使用了。
当我在一段时间后运行我的程序时，程序会抛出此警告，但不会退出。
/usr/lib/python2.7/dist-packages/scipy/spatial/distance.py:386: RuntimeWarning: invalid value encountered in double_scalars
return (np.double(np.bitwise_and((u != v), np.bitwise_or(u != 0, v !
浏览 3提问于2014-07-06得票数 0
1回答
我有一个用scipy.sparse.linalg.gmres求解稀疏线性系统的简单代码
W, S = load_data()
M = normalize(W.T.astype('float64'),'l1')
S = normalize(S.astype('float64'),'l1')
rhs = S[cat_id,:].T
print M.shape
print rhs.shape
p = gmres(M, rhs)
函数load_data从matlab的.mat文件中加载两个稀疏矩阵并省略。其产出令人惊讶：
(15049
浏览 3提问于2014-12-14得票数 2
回答已采纳
3回答
我在python中有一个列表。名单如下：
[[196, 242, 3],
[186, 302, 3],
[22, 377, 1],
[196, 377, 3],
....
]
第一列对应于用户(1:943)，第二列对应于项目(1:1682)和他们对项目的投票。我想试试矩阵因式分解。我应该创建一个用户x项矩阵吗？如果是的话，我如何在python中创建一个矩阵，其中一个轴是用户的大小，另一个轴是条目的大小，值是用户的选票。
编辑：--我也检查nmf.py的实现，它作为输入一个2D矩阵，而不是列表或稀疏表示。
浏览 4提问于2016-10-04得票数 0
回答已采纳
2回答
我试图在Python中构建以下矩阵，而不使用for循环：
A
[[ 0.1 0.2 0. 0. 0. ]
[ 1. 2. 3. 0. 0. ]
[ 0. 1. 2. 3. 0. ]
[ 0. 0. 1. 2. 3. ]
[ 0. 0. 0. 4. 5. ]]
我尝试了fill_diagonal方法在NumPy中(见下面的矩阵B)，但它没有给出矩阵A中所示的相同矩阵：
B
[[ 1. 0.2 0. 0. 0. ]
[ 0. 2. 0. 0. 0. ]
[ 0. 0.
浏览 7提问于2014-03-23得票数 2
回答已采纳
2回答
编辑:参见，在那里我学会了如何使用Numba并行化Python中的稀疏矩阵-向量乘法，并且能够与Matlab结合。
原题：
我观察到，在Matlab中，稀疏矩阵向量乘法比Python (使用枕稀疏矩阵)快4到5倍。下面是Matlab命令行的一些细节：
>> whos A
Name Size Bytes Class Attributes
A 47166x113954 610732376 double sparse
>> whos ATran
浏览 5提问于2017-08-04得票数 3
我正在尝试将一些Matlab代码“翻译”成Python，Matlab中有一行代码将稀疏矩阵中的多行设置为0：
Ks(idx,:)=0; %no affinity for W inside fs
其中Ks是稀疏矩阵(它是对称的，大小相当大)，而idx是一个一维数组，表示进行更改的行索引，而且它的大小也很大。在下一行中，它还将这些列更改为0，因此Ks仍然是对称的：
Ks(:,idx)=0;
在Python (Ks[idx,:]=0)中做类似的事情似乎只适用于小矩阵，当矩阵变大时，我得到了MemoryError。目前我的Ks是一个csr矩阵，把它转换成lil是非常慢的。
我不太熟悉稀疏矩阵，我知道在
浏览 2提问于2018-05-08得票数 1
2回答
我试图找出一个巨大矩阵和它自身之间的点积。
NonZero - 577731的(371744,36154) Num的形状非常稀疏
mat1是scipy.sparse.csr_matrix如果我使用mat1 * mat1.T我得到了一个值错误，这看起来像它的，因为结果矩阵中有太多的非零元素，索引指针根据溢出
dp_data = data_m * data_m.T
File "/usr/lib/python2.7/dist-packages/scipy/sparse/base.py", line 247, in __mul__
return self._mul_
浏览 7提问于2014-07-22得票数 2
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
我需要将数据帧转换为稀疏矩阵。数据框架看起来类似于这样：(实际数据太大了(Approx 500 000行和1000列))。
我需要把它转换成一个矩阵，这样矩阵的行是'id‘，列是’name‘，并且应该只显示有限的值。不应显示nans (以减少内存使用)。当我尝试使用pd.pivot_table，时，为我的大数据制作矩阵需要很长时间。
在R中，有一种叫做“dMcast”的方法。我探索了一下，但在python中找不到替代方法。我对蟒蛇很陌生。
浏览 1提问于2019-03-12得票数 2
回答已采纳
1回答
我需要构造一个随机转移矩阵。给定一个N_by_N矩阵M，Mi，j是i和j之间的概率，问题是我需要构造M，而构造M的是：
矩阵R，与M相同，但如果i和j之间的概率> 0，则Ri，j=1。(R很稀疏)
给出i和j之间概率的函数Pr(i，j)。
所以我有R和Pr，我需要构造M，我能想到的唯一方法就是用昂贵的python循环来实现，我想知道是否有一种快速的方法来处理numpy。
浏览 0提问于2014-05-14得票数 0
我试图使用scipy.sparse.linalg.eigsh找到Python中稀疏Hermitian矩阵列表的最小特征值(如最负的，而不是最低的)。矩阵为1000×1000，列表长度为500~2000。另外，我知道所有矩阵的特征值的上界和下界--分别称为eig_UB和eig_LB。
我尝试过两种方法：
sigma=eig_LB.Subtracting 使用移位-反转模式，从每个矩阵的对角线(从而将最小的特征值移动为最大的幅值特征值)，用默认的特征值设置对角化生成的矩阵(没有移位-反转模式并使用其中的‘LM’)，然后将eig_UB添加到生成的特征值中。。
这两种方法都有效，其结果一致，但方法1大
浏览 12提问于2020-03-05得票数 0
1回答
稀疏矩阵的内部处理
、、、、
我一直在比较Python和R的几个PCA实现的性能，并注意到一个有趣的行为：
虽然用Python计算稀疏矩阵的PCA似乎是不可能的(唯一的方法是 TruncatedSVD，但它不支持以均值为中心的计算方法，这就需要与PCA的协方差解等价)。他们的论点是，它会破坏矩阵的稀疏性。其他实现，如Facebook的PCA算法或scikit学习中的PCA/随机PCA方法，由于类似的原因不支持稀疏矩阵。
虽然所有这些对我来说都有意义，但一些R包，如、rsvd等，能够处理稀疏矩阵(例如，使用rsparsematrix生成的矩阵)，甚至允许特定的center=True参数。
我的问题是，R是如何在内部处理这个问
浏览 2提问于2018-06-14得票数 28
回答已采纳
我想知道是否有任何方法可以在python中为mlpy提供scipy.sparse.csc_matrix格式。我以前使用过mlpy，并且一直在处理非稀疏矩阵。例如，如果我有5个特性和每一行的1个标签(0或1)，我会有这样的东西：
2,3,4,5,6,0
1,2,3,4,5,1
.....
现在，对于我的下一个项目，我有大约20,000个大量的特征，所以在这种情况下创建一个稀疏矩阵会容易得多。
我查看了关于k-means聚类的mlpy文档(因为我现在要做的就是对数据进行聚类)，它是：
Parameters :
x : 2d array_like object (N, P)
data
k
浏览 0提问于2012-03-15得票数 0
回答已采纳
根据我之前的问题(Python - Multiply sparse matrix row with non-sparse vector by index)，稀疏矩阵的直接索引是不可能的(至少在您不想使用定义sparse.csr矩阵的三个数组data、indices、indptr时是不可能的)。但是我刚刚发现，给定一个csr稀疏矩阵A，这个操作可以很好地工作，并产生正确的结果：A[i, j]。我还注意到:它非常慢，甚至比处理密集矩阵还要慢。 我找不到关于这个索引方法的任何信息，所以我想知道：A[i, j]到底在做什么？ 如果你想让我猜猜，我会说它产生了一个密集的矩阵，然后像你通常做的那样对它进
浏览 31提问于2019-05-18得票数 1
回答已采纳
我用Armadillo来解决一些线性代数问题。它有稀疏矩阵的SpMat<float>和稠密矩阵的Mat<float>。
假设我有稀疏矩阵S_a和S_b，以及稠密矩阵D。我需要计算产生的S_a*S_b和S_a*D，结果在这两种情况下都会很密集。
我可以将稀疏矩阵转换为密集矩阵，然后再进行乘法，但这将是效率低下的(这些矩阵非常大)。有没有办法让Armadillo在不执行中间转换步骤的情况下将结果存储到稠密矩阵中？
浏览 4提问于2017-10-24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
我有一个MxM矩阵S，它的条目在对角线上是零，在其他地方都是非零。我需要做一个更大的块矩阵。这些块的大小为NxN，并将有它们的MxM。
(i,j)th块将是S(i,j)I，其中I=eye(N)是NxN标识。这个矩阵肯定是稀疏的，S有M^2-M非零项，我的块矩阵将有N(M^2-M) out (NM)^2或关于1/N%非零条目，但是我将把它添加到另一个NMxNM矩阵中，而我并不期望它是稀疏的。
，既然我要把我的块矩阵添加到一个完整的矩阵中，那么用“稀疏”的方式来写我的代码会有什么速度上的提高吗？我不停地重复，但我的想法是:即使我的代码将S转化为稀疏块矩阵的效率不是很高，当我告诉它将一个完整的和稀疏
浏览 9提问于2015-11-02得票数 3
回答已采纳
3回答
假设我有一个包含10列的5000行矩阵，其中大多数都填充了分类数据(字符串)，而在每一列中，我有10-30个不同的字符串。在python中处理它的最佳方法/算法是什么？OneHotEncoder会给我一个很大的矩阵
浏览 12提问于2017-09-11得票数 1
回答已采纳
我有一个用scipy.sparse.csc_matrix.toarray()转换成数组的。当我对一个小的数据集使用该函数时，它工作得很好。但是，当我将其用于大型数据集时，python解释器在调用函数时立即崩溃，并且窗口关闭，没有出现错误消息。我尝试转换为数组的矩阵是用sklearn.feature_extraction.text.CountVectorizer创建的。我在Ubuntu 12.04上运行python 2.7.3。更复杂的是，当我试图从终端运行脚本以保存任何错误消息时，日志没有记录任何错误消息，并且实际上在脚本中更早地停止(尽管如果没有调用toarray()则是完整的)。
浏览 0提问于2014-07-01得票数 2
1回答
我在python中比较矩阵的一行的读取时间，首先是密集格式，然后是稀疏格式。 从密集矩阵中“提取”一行大约需要3.6e-05秒 对于稀疏格式，我同时尝试了csr_mtrix和lil_matrix，但这两种格式的行读数都花费了大约1-e04秒 我希望稀疏格式能提供最好的性能，有人能帮我理解这一点吗？
浏览 20提问于2020-11-11得票数 1
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
