如何避免循環稀疏矩陣？

我在Python中有3個循環的問題。 該代碼的目的是根據（x）未知值的數量（DATA）計算稀疏矩陣。這裏，x數是13，這意味着DATA的非重複值：（0,4,8,12,16,20,21,22,23,24,25,26,27）。然後，len（DATA）是4，表示A_sparse矩陣的行數。然後，我創建了具有形狀的稀疏零矩陣（4,13）。然後，我將部分的值設爲A_sparse如果x等於未知值。如何避免循環稀疏矩陣？

問題

此代碼正常工作，但與循環！我應該刪除循環，但是怎麼樣？

在這裏，我把下面的例子：

輸入：

DATA - 表示指數; [[24,20,21,22,23]，[24,25,26,27]，[25,26,27,23]，[0,4,8,12,16,20]]
PORTION - [[1.16950604，0.08724138，1.5326188，1.5326188，0.74587448]， [0.44409055，1.51394507，1.51394507，0.95883188]， [0.77097384，1.77917041，0.14615981，0.185952]， [0.93，1.5，1.5，1.5，1.5，0.07 ]

輸出： - A_sparse - 稀疏矩陣;

def get_sparse(DATA, PORTION): 

    x = np.unique(flatten(DATA)) 
    A = np.zeros((len(DATA), len(x))) 

    for i in range(len(DATA)): 
     for m1,m2 in enumerate(DATA[i]): 
      for j,k in enumerate(x): 
        if float(m2) == float(k): 
          A[i][j] = PORTION[i][m1] 
    return A 


>>> get_sparse(DATA, PORTION) 
array([[ 0.  , 0.  , 0.  , 0.  , 0.  , 
    0.08724138, 1.5326188 , 1.5326188 , 0.74587448, 1.16950604, 
    0.  , 0.  , 0.  ], 
    [ 0.  , 0.  , 0.  , 0.  , 0.  , 
    0.  , 0.  , 0.  , 0.  , 0.44409055, 
    1.51394507, 1.51394507, 0.95883188], 
    [ 0.  , 0.  , 0.  , 0.  , 0.  , 
    0.  , 0.  , 0.  , 0.185952 , 0.  , 
    0.77097384, 1.77917041, 0.14615981], 
    [ 0.93  , 1.5  , 1.5  , 1.5  , 1.5  , 
    0.07  , 0.  , 0.  , 0.  , 0.  , 
    0.  , 0.  , 0.  ]])

我常常不喜歡，當我使用Python使用循環，所以，我想消除環路，使這個代碼更短，速度更快。任何答案將不勝感激！

來源

2013-10-13 Spider

嘗試[這裏]（http://docs.scipy.org/doc/scipy/reference/sparse.html）即SciPy稀疏矩陣包。 –

Kobi，謝謝，我翻翻了！但是，我不熟悉Scipy稀疏矩陣工具，我只知道數學，但我不能真正將其轉換爲我上面提到的問題..？我怎樣才能做到這一點？？ – Spider

我在我的答案中增加了一個稀疏的例子 – hpaulj

鑑於DATA和PORTION列表的不規則列表性質，這個問題的一個numpy向量化並不明顯。然而，它幫助我，如果我打印get_sparse(DATA, DATA)以可視化的構造函數：

[[ 0 0 0 0 0 20 21 22 23 24 0 0 0] 
[ 0 0 0 0 0 0 0 0 0 24 25 26 27] 
[ 0 0 0 0 0 0 0 0 23 0 25 26 27] 
[ 0 4 8 12 16 20 0 0 0 0 0 0 0]]

那些看上去像是普通的列數，除了第一批一步4.這是你版本功能構建一個（4,28）陣列，然後修剪zero列。

def get_sparse(DATA, PORTION): 
    x = np.unique(itertools.chain(*DATA)) 
    A = np.zeros((len(DATA), max(x)+1)) 
    for a, d, p in zip(A, DATA, PORTION): 
     a[d] = p 
    return A[:,x]

要使用稀疏矩陣，嘗試：名單

from scipy import sparse 
A = sparse.lil_matrix((4,28)) 
A.data = PORTION 
A.rows = DATA

數據及定量名單完全lil_matrix類型的內部格式相匹配。一旦構建，A可以轉換爲數學或切片的其他稀疏類型之一。 A.toarray()給出了完整的「密集」形式。

來源

2013-10-16 01:08:53 hpaulj

如何避免循環稀疏矩陣？

回答

相關問題