Предположим, что у меня есть 2-й разреженный массив. В моем реальном варианте использования и количество строк и столбцы намного больше (скажите 20000 и 50000), следовательно это не может уместиться в памяти, когда плотное представление используется:
>>> import numpy as np
>>> import scipy.sparse as ssp
>>> a = ssp.lil_matrix((5, 3))
>>> a[1, 2] = -1
>>> a[4, 1] = 2
>>> a.todense()
matrix([[ 0., 0., 0.],
[ 0., 0., -1.],
[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 2., 0.]])
Теперь предположите, что у меня есть плотное 1d массив со всеми ненулевыми компонентами с размером 3 (или 50000 в моем реальном случае):
>>> d = np.ones(3) * 3
>>> d
array([ 3., 3., 3.])
Я хотел бы вычислить поэлементное умножение a и d использование обычной широковещательной семантики numpy. Однако разреженные матрицы в scipy имеют np.matrix: '*' оператор перегружается, чтобы иметь его, ведут себя как умножение матриц вместо поэлементного - умножьтесь:
>>> a * d
array([ 0., -3., 0., 0., 6.])
Одно решение состояло бы в том, чтобы сделать переключатель к семантике массива для '*' оператор, который даст ожидаемый результат:
>>> a.toarray() * d
array([[ 0., 0., 0.],
[ 0., 0., -3.],
[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 6., 0.]])
Но я не могу сделать этого, так как вызов к toarray () осуществил бы плотную версию, который не умещается в памяти (и результат будет плотным также):
>>> ssp.issparse(a.toarray())
False
Какая-либо идея, как создать это при хранении только редкого datastructures и не имея необходимость делать неэффективный цикл Python на столбцах 'a'?
Я также ответил на scipy.org, но подумал, что должен добавить здесь ответ на случай, если другие найдут эту страницу при поиске.
Вы можете превратить вектор в разреженную диагональную матрицу, а затем использовать умножение матриц (с *), чтобы сделать то же самое, что и широковещательная рассылка, но эффективно.
>>> d = ssp.lil_matrix((3,3))
>>> d.setdiag(np.ones(3)*3)
>>> a*d
<5x3 sparse matrix of type '<type 'numpy.float64'>'
with 2 stored elements in Compressed Sparse Row format>
>>> (a*d).todense()
matrix([[ 0., 0., 0.],
[ 0., 0., -3.],
[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 6., 0.]])
Надеюсь, это поможет!
Вот простой код, который сделает то, что вы хотите. Я не знаю, настолько ли он эффективен, как вам хотелось бы, так что возьмите его или оставьте:
import scipy.sparse as ssp
def pointmult(a,b):
x = a.copy()
for i in xrange(a.shape[0]):
if x.data[i]:
for j in xrange(len(x.data[i])):
x.data[i] *= b[x.rows[i]]
return x
Он работает только с матрицами lil, поэтому вам придется внести некоторые изменения, если вы хотите, чтобы он работал с другими форматами.