交换行 csr_matrix scipy [英] Swap rows csr_matrix scipy

问题描述

我在 scipy 中有一个 256x256 csr_matrix，我有一个我想应用的新行顺序列表.我试过这个:

I have a 256x256 csr_matrix in scipy and I have a list of a new row order that I'd like to apply. I tried this:

def HblockDiag(z):
        Hz = H(z) # H(z) returns a 256x256 csr_matrix
        Hz.indices = idenRows
        return Hz

但它不起作用，因为 indices 没有给出每一行的索引......这样做的最佳方法是什么?

but it didn't work work because indices doesn't give the indices of each row... What's the best way to do this?

def HblockDiag(H, idenRows):
    x = H.tocoo()
    idenRows = np.asarray(idenRows, dtype=x.row.dtype)
    x.row = idenRows[x.row]
    H = x.tocsr()
    return H

test = sps.csr_matrix([[1,2,4],[6,3,4],[8,5,2]])
print test.toarray()
test = HblockDiag(test, [2,0,1])
print test.toarray()

我明白了:

[[1 2 4]
 [6 3 4]
 [8 5 2]]
[[6 3 4]
 [8 5 2]
 [1 2 4]]

相反，我想得到:

[[8 5 2]
 [1 2 4]
 [6 3 4]]

推荐答案

• 从 CSR 转换为 COO 格式.

  • Convert from CSR to COO format.

    x = Hz.tocoo()
    

    根据文档字符串 sparse.coo_matrix.__doc__，COO 具有与 CSR/CSC 格式之间的快速转换".

    Per the doc string, sparse.coo_matrix.__doc__, COO has "very fast conversion to and from CSR/CSC formats".

    排列 COO 矩阵的行

    Permute the rows of the COO matrix

    idenRows = np.argsort(idenRows)
    x.row = idenRows[x.row]
    

  • 从 COO 转回 CSR

  • Convert from COO back to CSR

    Hz = x.tocsr()
    

  例如

  import numpy as np
  import scipy.sparse as sps
  
  def HblockDiag(H, idenRows):
      x = H.tocoo()
      idenRows = np.argsort(idenRows)
      idenRows = np.asarray(idenRows, dtype=x.row.dtype)
      x.row = idenRows[x.row]
      H = x.tocsr()
      return H
  
  test = sps.csr_matrix([[1,2,4],[6,3,4],[8,5,2]])
  print test.toarray()
  # [[1 2 4]
  #  [6 3 4]
  #  [8 5 2]]
  
  test = HblockDiag(test, [2,0,1])
  print test.toarray()
  

  收益

  [[8 5 2]
   [1 2 4]
   [6 3 4]]
  

  <小时>

  附注.一般只有在矩阵的大小非常大时才使用稀疏矩阵.如果形状仅为 (256, 256)，则不清楚为什么要使用稀疏矩阵.此外，矩阵应包含稀疏矩阵至少有 80% 的零值.

  这篇关于交换行 csr_matrix scipy的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！