首页 文章

稀疏矩阵子集到密集矩阵

提问于
浏览 次
0

我有一个以坐标格式存储在磁盘上的稀疏矩阵（三元组格式） . 我想使用 scipy.sparse 将矩阵的块读入内存，但是，在执行此操作时，scipy将始终采用从 0,0 开始的密集矩阵索引，而不管块是什么 . 这意味着，例如，对于稀疏矩阵中的最后一个'chunk'，scipy将被解释为一个巨大的矩阵，在右下角只有一些值 .

如何才能正确处理块，以便在创建密集矩阵时只创建与该块相对应的子集？

这样做的原因是，即使稀疏，矩阵对于内存来说太大（大约6亿32位浮点值）并且在屏幕上显示（因为矩阵代表地理空间栅格）我需要将其转换为密集矩阵以地理空间格式存储（例如geotiff） .

python matrix scipy sparse-matrix

1 回答

  • 0

    在构建子集时，您应该能够调整 row 和 col 值 . 例如：

    In [84]: row=np.arange(10)    
In [85]: col=np.random.randint(0,6,row.shape)
In [86]: data=np.ones(row.shape,dtype=int)*2

In [87]: M=sparse.coo_matrix((data,(row,col)),shape=(10,6))

In [88]: M.A
Out[88]: 
array([[0, 0, 2, 0, 0, 0],
       [0, 0, 0, 0, 0, 2],
       [0, 0, 0, 2, 0, 0],
       [0, 0, 2, 0, 0, 0],
       [0, 0, 2, 0, 0, 0],
       [0, 2, 0, 0, 0, 0],
       [2, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 2, 0],
       [0, 0, 0, 2, 0, 0],
       [0, 0, 0, 0, 0, 2]])

    要使用行的子集构建矩阵，请使用：

    In [89]: M1=sparse.coo_matrix((data[5:],(row[5:]-5,col[5:])),shape=(5,6))

In [90]: M1.A
Out[90]: 
array([[0, 2, 0, 0, 0, 0],
       [2, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 2, 0],
       [0, 0, 0, 2, 0, 0],
       [0, 0, 0, 0, 0, 2]])

    您必须决定是否要为 M1 指定形状，或者让它从 row 和 col 的范围中推断出来 .

    如果没有对这些坐标进行排序，或者您还希望采用 col 的子范围，事情可能会变得更加复杂 . 但我认为这 grab 了基本的想法 .

    回复于

相关问题