一維numpy數組與scipy稀疏矩陣之間的點積

Question

假設我有Numpy數組p和Scipy稀疏矩陣q這樣

>>> p.shape
(10,)
>>> q.shape
(10,100)

我想做p和q的點積。 當我嘗試使用numpy時，我得到以下信息：

>>> np.dot(p,q)
Traceback (most recent call last):
  File "/usr/local/lib/python2.7/dist packages/IPython/core/interactiveshell.py", line 2883, in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)
  File "<ipython-input-96-8260c6752ee5>", line 1, in <module>
    np.dot(p,q)
ValueError: Cannot find a common data type.

我在Scipy文檔中看到

從NumPy 1.7開始，np.dot尚不了解稀疏矩陣，因此使用它會導致意外結果或錯誤。 應該先獲取相應的密集矩陣

但這違反了我使用稀疏矩陣的目的。 太好了，我如何在稀疏矩陣和一維numpy數組（numpy矩陣，我都願意接受）之間做點積而不丟失矩陣的稀疏性？

我正在使用Numpy 1.8.2和Scipy 0.15.1。

Answer 1

使用* ：

p * q

請注意， *對於稀疏矩陣使用類似矩陣的語義，而不是類似數組的語義，因此它計算矩陣乘積而不是廣播乘積。

Answer 2

稀疏矩陣不是numpy數組或矩陣，盡管大多數格式使用多個數組來存儲其數據。 通常，常規的numpy函數不了解稀疏矩陣，因此您應該依靠使用稀疏版本的函數和運算符。

根據大眾的需求，最新的np.dot稀疏感知，盡管我不知道它如何作用的細節。 在1.18中，我們有幾種選擇。

user2357112建議p*q 。 首先使用密集數組，我有點懷疑，想知道它是否會嘗試使用逐個元素相乘（並且由於廣播錯誤而失敗）。 但這有效。 有時像*這樣的運算符會將控制權傳遞給第二個參數。 但是只是為了確保我嘗試了幾種選擇：

q.T * p
np.dot(p, q.A)
q.T.dot(p)

都給出相同的密集（100，）數組。 注意-這是一個數組，而不是稀疏矩陣結果。

要獲得稀疏矩陣，我需要使用

sparse.csr_matrix(p)*q   # (1,100) shape

q可能是其他稀疏格式，但是對於這樣的計算，它將轉換為csr或csc 。 .T操作便宜，因為如果只需要將格式從csr切換為csc 。

如果p是2d數組，例如（2,10），則檢查這些替代方案是否有效將是一個好主意。

Answer 3

Scipy具有用於稀疏矩陣乘法的內置方法。

文檔中的示例：

>>> import numpy as np
>>> from scipy.sparse import csr_matrix
>>> Q = csr_matrix([[1, 2, 0], [0, 0, 3], [4, 0, 5]])
>>> p = np.array([1, 0, -1])
>>> Q.dot(p)
array([ 1, -3, -1], dtype=int64)

檢查以下資源：

http://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.sparse.csc_matrix.dot.html http://docs.scipy.org/doc/scipy/reference/sparse.html