[英]Replace elements in sparse matrix created by Scipy (Python)
我在Scipy中有一個龐大的稀疏矩陣,我想用給定值(假設-1
)替換內部的許多元素。
有沒有比使用以下方法更有效的方法:
SM[[rows],[columns]]=-1
這是一個例子:
Nr=seg.shape[0] #size ~=50000
Im1=sparse.csr_matrix(np.append(np.array([-1]),np.zeros([1,Nr-1])))
Im1=sparse.csr_matrix(sparse.vstack([Im1,sparse.eye(Nr)]))
Im1[prev[1::]-1,Num[1::]-1]=-1 # this line is very slow
Im2=sparse.vstack([sparse.csr_matrix(np.zeros([1,Nr])),sparse.eye(Nr)])
IM=sparse.hstack([Im1,Im2]) #final result
我玩過你的sparse
數組。 我建議您對較小的尺寸進行一些計時,以了解不同的方法和稀疏類型的行為。 我喜歡在Ipython
使用timeit
。
Nr=10 # seg.shape[0] #size ~=50000
Im2=sparse.vstack([sparse.csr_matrix(np.zeros([1,Nr])),sparse.eye(Nr)])
Im2
的第一行為零,其余行的對角線偏移。 因此,從一個空的稀疏矩陣開始比較簡單,盡管速度並不快:
X = sparse.vstack([sparse.csr_matrix((1,Nr)),sparse.eye(Nr)])
或使用diags
直接構建偏移對角線:
X = sparse.diags([1],[-1],shape=(Nr+1, Nr))
Im1
與之類似,除了在(0,0)
插槽中具有-1
。 堆疊2個對角矩陣怎么樣?
X = sparse.vstack([sparse.diags([-1],[0],(1,Nr)),sparse.eye(Nr)])
或將偏移量Im2
對角線(復制Im2
?),然后修改[0,0]
。 csr
矩陣會發出效率警告,建議使用lil
格式。 但是,轉換tolil()
確實需要一些時間。
X = sparse.diags([1],[-1],shape=(Nr+1, Nr)).tolil()
X[0,0] = -1 # slow warning with csr
讓我們嘗試更大的插入量:
prev = np.arange(Nr-2) # what are these like?
Num = np.arange(Nr-2)
Im1[prev[1::]-1,Num[1::]-1]=-1
使用Nr=10
以及各種Im1
格式:
lil - 267 us
csr - 1.44 ms
coo - not supported
todense - 25 us
好的,我選擇了prev
和Num
,以便最終修改了Im1
對角線。 在這種情況下,從一開始就構建那些對角線會更快。
X2=Im1.todia()
print X2.data
[[ 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
[-1. -1. -1. -1. -1. -1. -1. 0. 0. 0.]]
print X2.offsets
[-1 0]
您可能必須學習如何存儲各種稀疏格式。 csr
和csc
有點復雜,設計用於快速線性代數運算。 lil
, dia
, coo
更容易理解。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.