将元组列表转换为稀疏coo_matrix或直接对其进行排序

Question

我最初的问题是排序一个名为weights的SciPy稀疏coo_matrix 。

在对其进行排序之前，它看起来像：

  (0, 1)    2.0
  (0, 3)    4.0
  (1, 0)    5.0
  (3, 3)    1.0
  (0, 0)    5.0
  (2, 4)    1.0
  (1, 2)    2.0
  (1, 4)    2.0
  (0, 2)    3.0
  (0, 4)    1.0
  (2, 0)    5.0
  (4, 3)    3.0
  (3, 4)    3.0
  (2, 1)    0.0
  (3, 0)    5.0
  (3, 2)    0.0
  (2, 2)    0.0
  (4, 4)    0.0
  (4, 0)    0.0
  (3, 1)    2.0

我想要以下（结束）结果

  (0, 0)    5.0
  (0, 1)    2.0
  (0, 2)    3.0
  (0, 3)    4.0
  (0, 4)    1.0
  (1, 0)    5.0
  (1, 2)    2.0
  (1, 4)    2.0
  (2, 0)    5.0
  (2, 1)    0.0
  (2, 2)    0.0
  (2, 4)    1.0
  (3, 0)    5.0  
  (3, 1)    2.0
  (3, 2)    0.0
  (3, 3)    1.0 
  (3, 4)    3.0
  (4, 0)    0.0
  (4, 3)    3.0
  (4, 4)    0.0

我试图这样做：

weights_tuples = zip(weights.row, weights.col, weights.data)
sorted_weights_tuples = sorted(train_weights_tuples, key=lambda x: (x[0], x[1]))

确实对它进行了排序，但是没有得到正确的输出格式：

[(0, 0, 5.0), (0, 1, 2.0), (0, 3, 4.0), (0, 4, 1.0), (1, 1, 4.0), (1, 2, 2.0), (1, 4, 2.0), (2, 0, 5.0), (2, 1, 0.0), (2, 2, 0.0), (2, 3, 0.0), (3, 0, 5.0), (3, 1, 2.0), (3, 2, 0.0), (3, 3, 1.0), (3, 4, 3.0), (4, 0, 0.0), (4, 1, 0.0), (4, 2, 2.0), (4, 3, 3.0)]

我的问题是，如何将获得的结果转换为正确的格式，或者是否有更好的方式对coo_matrix进行排序以直接获得正确的输出格式。

提前致谢。

Answer 1

@hpaulj的评论提供了相关的提示，但是这是如何在不依赖coo_matrix方法的实现细节的情况下使用此方法，并且没有转换为CSR的开销：

首先，使用np.lexsort获得产生正确顺序的排列，然后使用将稀疏表示形式作为输入的初始化程序创建一个新的coo_matrix ：

order = np.lexsort((weights.col, weights.row))
sorted_weights = coo_matrix((weights.data[order], (weights.row[order], weights.col[order])),
                            shape=weights.shape)

如果您不介意使代码更晦涩难懂，则可以通过将np.lexsort替换为来挤出一些性能

np.argsort(N * rows + cols)

其中N是行数。

请注意，就像@hpaulj在他的评论中coo_matrix.sum_duplicates那样， coo_matrix.sum_duplicates会就地执行此操作，并相应地设置coo_matrix.has_canonical_format来指示行和列已排序。 然而，在执行sum_duplicates ， weights.col和weights.row被交换的呼叫np.lexsort ，所以使用开箱将净你的，你想的正好相反。 这也意味着标记has_canonical_format实际上并不能确定唯一格式，该格式已在GitHub上被视为一个错误 。