데이터 레이아웃이 비정상적입니다. 여기에 내 첫 찌르기가 사용됩니다.
In [565]: M = sparse.lil_matrix((2,4), dtype=int)
In [566]: M
Out[566]:
<2x4 sparse matrix of type '<class 'numpy.int32'>'
with 0 stored elements in LInked List format>
In [567]: for i,row in enumerate(alist):
...: for col in row:
...: M[i, col[0]] = col[1]
...:
In [568]: M
Out[568]:
<2x4 sparse matrix of type '<class 'numpy.int32'>'
with 3 stored elements in LInked List format>
In [569]: M.A
Out[569]:
array([[ 0, 10, 0, -3],
[ 0, 0, 12, 0]])
예, 반복적입니다. 그 목적에 가장 적합한 형식은 lil
입니다.
또는 입력의 공통 coo
스타일을 사용하여 : 즉
로 시작 :
또 다른 옵션은 빈
lil
매트릭스를 생성하고 직접 그 속성을 작성하는 것입니다
In [580]: data,col,row = [],[],[]
In [581]: for i, rr in enumerate(alist):
...: for cc in rr:
...: row.append(i)
...: col.append(cc[0])
...: data.append(cc[1])
...:
In [582]: data,col,row
Out[582]: ([10, -3, 12], [1, 3, 2], [0, 0, 1])
In [583]: M1=sparse.coo_matrix((data,(row,col)),shape=(2,4))
In [584]: M1
Out[584]:
<2x4 sparse matrix of type '<class 'numpy.int32'>'
with 3 stored elements in COOrdinate format>
In [585]: M1.A
Out[585]:
array([[ 0, 10, 0, -3],
[ 0, 0, 12, 0]])
In [591]: m.data
Out[591]: array([[], []], dtype=object)
In [592]: m.rows
Out[592]: array([[], []], dtype=object)
으로 변경하고 다음으로 변경하십시오.
In [587]: M.data
Out[587]: array([[10, -3], [12]], dtype=object)
In [588]: M.rows
Out[588]: array([[1, 3], [2]], dtype=object)
alist
구조에서는 2 단계 반복이 필요합니다. 또 다른 의견에
In [593]: for i, rr in enumerate(alist):
...: for cc in rr:
...: m.rows[i].append(cc[0])
...: m.data[i].append(cc[1])
In [594]: m
Out[594]:
<2x4 sparse matrix of type '<class 'numpy.int32'>'
with 3 stored elements in LInked List format>
In [595]: m.A
Out[595]:
array([[ 0, 10, 0, -3],
[ 0, 0, 12, 0]])
당신은
csr
indptr
이해에 어려움을 언급했다. 이를 얻는 가장 쉬운 방법은 다음 형식 중 하나를 변환하는 것입니다.
In [597]: Mr=M.tocsr()
In [598]: Mr.indptr
Out[598]: array([0, 2, 3], dtype=int32)
In [599]: Mr.data
Out[599]: array([10, -3, 12])
In [600]: Mr.indices
Out[600]: array([1, 3, 2], dtype=int32)
이렇게 명확하고 유용한 답변입니다. 감사합니다.COO 형식을 기반으로하는 생성자는 가장 자연스러운 것처럼 보입니다. 생성기를 생성하고 메모리 및 시간 효율적인 입력 파이프 라인을 구현할 수있는 일부 생성기를 제안 할 수 있습니다. 나는 scipy 사람들이 사람들이 그들을 찾을 수있는 방식으로 이런 예제를 추가하기를 바랍니다. 이것은 내 데이터가 들어온 형식이며 [Sparse array - Wikipedia] (https://en.wikipedia.org/wiki/Sparse_array)에서 논의 된 바와 같이 이러한 서로 다른 스파 스 형식을 지원하는 시스템의 수를 감안할 때, 더 많은 사람들이 데이터를 사용하여 데이터를 교환 할 것이라고 생각합니다. – nealmcb
먼저 유한 요소 문제에 대해 MATLAB에서 희소 매트릭스로 작업했습니다. 거기에'coo' 스타일의 입력 만이 유일한 옵션입니다. 내부적으로는 데이터를'csc'로 저장합니다 (최소한 그것은'.mat' 파일에 저장되는 형식입니다). 스파 스 수학의 대부분은 선형 대수 문제를 위해 개발되었습니다. 'scipy'는 많은 포맷을 추가합니다 (Wiki 기사의 링크 참고). 이제는 많은 양의 행렬 관심이 큰 데이터 문제, 희소 한 특성 행렬, 기계 학습, 언어학 등에서 비롯됩니다. 'scikit learn'은 컴파일 된 희소 행렬 유틸리티를 추가합니다. – hpaulj