numpy/scipy 等效于 MATLAB 的稀疏函数

Question

我正在用 numpy 和 scipy 在 Python 中移植 MATLAB 代码，我需要使用 numpy/scipy 等效于 MATLAB 中的稀疏函数。

下面是MATLAB中稀疏函数的用法，

sparse([3; 2], [2; 4], [3; 0])

给出：

Trial>> m = sparse([3; 2], [2; 4], [3; 0])

    m =

       (3,2)        3

    Trial>> full(m)

    ans =

         0     0     0     0
         0     0     0     0
         0     3     0     0

我有这些，但它们没有给出 MATLAB 版本的功能，

sps.csr_matrix([3, 2], [2, 4], [3, 0])
sps.csr_matrix(np.array([[3], [2]]), np.array([[2], [4]]), np.array([[3], [0]])) 
sps.csr_matrix([[3], [2]], [[2], [4]], [[3], [0]])  

有什么想法吗？ 谢谢。

Answer 1

您使用的是sparse(I, J, SV)形式 [注意：链接指向 GNU Octave 的文档，而不是 Matlab]。 scipy.sparse等价物是csr_matrix((SV, (I, J))) - 是的，是一个包含向量和向量的 2 元组的 2 元组的单个参数。 您还必须更正索引向量，因为 Python 始终使用基于 0 的索引。

>>> m = sps.csr_matrix(([3,0], ([2,1], [1,3]))); m
<3x4 sparse matrix of type '<class 'numpy.int64'>'
    with 2 stored elements in Compressed Sparse Row format>

>>> m.todense()
matrix([[0, 0, 0, 0],
        [0, 0, 0, 0],
        [0, 3, 0, 0]], dtype=int64)

请注意，与 Matlab 不同，scipy 不会自动丢弃显式零，并且将使用整数存储来存储仅包含整数的矩阵。 要完美匹配您在 Matlab 中获得的矩阵，您必须明确要求浮点存储，并且必须对结果调用eliminate_zeros() ：

>>> m2 = sps.csr_matrix(([3,0], ([2,1], [1,3])), dtype=np.float)
>>> m2.eliminate_zeros()
>>> m2
<3x4 sparse matrix of type '<class 'numpy.float64'>'
    with 1 stored elements in Compressed Sparse Row format>
>>> m2.todense()
matrix([[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.],
        [ 0.,  3.,  0.,  0.]])

您也可以将[3,0]更改为[3., 0.]但我建议使用明确的dtype=参数，因为这将防止您在输入真实数据时出现意外。

（我不知道 Matlab 的内部稀疏矩阵表示是什么，但 Octave 似乎默认为压缩稀疏列表示。CSC 和 CSR 之间的差异应该只会影响性能。如果您的 NumPy 代码最终比您的 Matlab 代码慢，请尝试使用sps.csc_matrix而不是csr_matrix ，以及所有常用的 NumPy 性能技巧。）

（如果你还没有，你可能需要为 Matlab 用户阅读NumPy 。）

Answer 2

这是我所做的转换。 它适用于 5 个参数版本的 sparse。

def sparse(i, j, v, m, n):
    """
    Create and compressing a matrix that have many zeros
    Parameters:
        i: 1-D array representing the index 1 values 
            Size n1
        j: 1-D array representing the index 2 values 
            Size n1
        v: 1-D array representing the values 
            Size n1
        m: integer representing x size of the matrix >= n1
        n: integer representing y size of the matrix >= n1
    Returns:
        s: 2-D array
            Matrix full of zeros excepting values v at indexes i, j
    """
    return scipy.sparse.csr_matrix((v, (i, j)), shape=(m, n))