將稀疏矩陣的值分配給numpy數組

Question

import numpy as np
import scipy.sparse as scsp
from scipy.sparse import csr_matrix,lil_matrix

# create an empty numpy matrix
wi=np.empty((num_clusters*num_cluster_neurons, input))   
for i in range(num_clusters*num_cluster_neurons):         
    temp_neuron_prob=dic_cluster_prob[dic_neuron_cluster[i]]

    #create 1*input shape sparse matrix according to probability
    lil=lil_matrix(scsp.rand(1, input, temp_neuron_prob))

    #want to assign the 1*input sparse matrix to one slice of the numpy matrix
    wi[i,:]=lil[:]

我試圖將lil_matrix的值分配給一片numpy數組，但是它給出了錯誤“使用序列設置數組元素”

我想知道為什么會出現此錯誤，因為它們具有相同的大小，並且我怎么做才能提高效率，因為numpy數組比稀疏矩陣（lil_matrix）更快。

我想使用numpy數組來使稀疏矩陣創建的值

Answer 1

稀疏矩陣不是數組的子類（例如np.matrix ），也不一定表現出類似的行為（盡管它確實嘗試了許多方式）。

In [129]: arr = np.zeros((3,4),int)
In [130]: M = sparse.lil_matrix([0,1,2,0])
In [131]: M.shape
Out[131]: (1, 4)
In [132]: arr[0,:] = M
...
ValueError: setting an array element with a sequence.

但是，如果我首先將稀疏矩陣轉換為數組或矩陣，則分配有效：

In [133]: arr[0,:] = M.A
In [134]: arr[0,:] = M.todense()
In [135]: arr
Out[135]: 
array([[0, 1, 2, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 0]])

通常，稀疏矩陣不能插入numpy代碼。 例外是當numpy代碼將任務委托給對象自己的方法時。

看起來您正在嘗試生成以下內容：

In [148]: arr = np.zeros((3,5),float)
In [149]: for i in range(arr.shape[0]):
     ...:     arr[i,:] = sparse.rand(1,5, .2*(i+1)).A
     ...:     
In [150]: arr
Out[150]: 
array([[ 0.        ,  0.        ,  0.82470353,  0.        ,  0.        ],
       [ 0.        ,  0.43339367,  0.99427277,  0.        ,  0.        ],
       [ 0.        ,  0.99843277,  0.05182824,  0.1705916 ,  0.        ]])

純稀疏等效項可能是：

In [151]: alist = []
In [152]: for i in range(3):
     ...:     alist.append(sparse.rand(1,5, .2*(i+1)))
     ...:     
     ...:     
In [153]: alist
Out[153]: 
[<1x5 sparse matrix of type '<class 'numpy.float64'>'
    with 1 stored elements in COOrdinate format>,
 <1x5 sparse matrix of type '<class 'numpy.float64'>'
    with 2 stored elements in COOrdinate format>,
 <1x5 sparse matrix of type '<class 'numpy.float64'>'
    with 3 stored elements in COOrdinate format>]
In [154]: sparse.vstack(alist)
Out[154]: 
<3x5 sparse matrix of type '<class 'numpy.float64'>'
    with 6 stored elements in COOrdinate format>
In [155]: _.A
Out[155]: 
array([[ 0.        ,  0.        ,  0.        ,  0.19028467,  0.        ],
       [ 0.        ,  0.        ,  0.        ,  0.92668274,  0.67424419],
       [ 0.96208905,  0.63604635,  0.        ,  0.69463657,  0.        ]])

但是考慮到sparse.vstack使用稀疏bmat將矩陣連接到一個新矩陣中，並且bmat結合了組件的coo屬性，因此密集數組累積方法可能會更快。