Matlab的等價性在Python中使用了sprand（）？

Question

我正在嘗試將Matlab代碼片段翻譯成Python代碼片段。 但是，我不太確定如何正確實現sprand()函數。

這是Matlab代碼使用sprand() ：

% n_z is an integer, n_dw is a matrix
n_p_z_dw = cell(n_z, 1); % n(d,w) * p(z|d,w)
for z = 1:n_z
  n_p_z_dw{z} = sprand(n_dw);

這就是我在Python中實現上述邏輯的方法：

n_p_z_dw = [None]*n_z  # n(d,w) * p(z|d,w)
density = np.count_nonzero(n_dw)/float(n_dw.size)
for i in range(0, n_z):
    n_p_z_dw[i] = scipy.sparse.rand(n_d, n_w, density=density)

它似乎有效，但我對此並不十分肯定。 有任何意見或建議嗎？

Answer 1

對於稀疏數組A，以下應該是一種相對快速的方法：

import scipy.sparse as sparse
import numpy as np
sparse.coo_matrix((np.random.rand(A.nnz),A.nonzero()),shape=A.shape)

這將構造COO格式稀疏矩陣：它使用A.nonzero()作為坐標，並使用A.nnz （A中的非零條目數）來查找要生成的隨機數的數量。

---

不過，我想知道這是否對scipy.sparse.rand函數有用。