4

我想将 2d（让我们称之为）重塑为 2d scipy.sparse.csr.csr_matrix（让A我们numpy.ndarray称之为B）。

A可能

>shape(A)
(90, 10)

那么 B应该是

>shape(B)
(9,10)

其中每 10 行将A被重塑为一个新的新值，即该窗口和列的最大值。列运算符不适用于这种不可散列的稀疏矩阵类型。我怎样才能B通过使用矩阵乘法得到这个？

4

1 回答 1

3

使用矩阵乘法，您可以进行有效的切片，在正确的位置创建一个“切片器”矩阵。切片矩阵将type与“切片器”相同，因此您可以有效地控制输出类型。

下面你会看到一些比较，对你来说最有效的情况是请求.A矩阵并对其进行切片。.toarray()它显示比该方法快得多。当“切片器”创建为 a 时，使用乘法是第二快的选项ndarray，乘以csr矩阵并切片结果。

OBS：使用coo稀疏矩阵A导致时间稍慢，保持相同的比例，并且sol3不适用，后来我意识到在乘法中它会csr自动转换为a。

import scipy
import scipy.sparse.csr as csr
test = csr.csr_matrix([
[11,12,13,14,15,16,17,18,19],
[21,22,23,24,25,26,27,28,29],
[31,32,33,34,35,36,37,38,39],
[41,42,43,44,45,46,47,48,49],
[51,52,53,54,55,56,57,58,59],
[61,62,63,64,65,66,67,68,69],
[71,72,73,74,75,76,77,78,79],
[81,82,83,84,85,86,88,88,89],
[91,92,93,94,95,96,99,98,99]])

def sol1():
    B = test.A[2:5]

def sol2():
    slicer = scipy.array([[0,0,0,0,0,0,0,0,0],
                          [0,0,0,0,0,0,0,0,0],
                          [0,0,1,0,0,0,0,0,0],
                          [0,0,0,1,0,0,0,0,0],
                          [0,0,0,0,1,0,0,0,0]])
    B = (slicer*test)[2:]
    return B

def sol3():
    B = (test[2:5]).A
    return B

def sol4():
    slicer = csr.csr_matrix( ((1,1,1),((2,3,4),(2,3,4))), shape=(5,9) )
    B = ((slicer*test).A)[2:] # just changing when we do the slicing
    return B

def sol5():
    slicer = csr.csr_matrix( ((1,1,1),((2,3,4),(2,3,4))), shape=(5,9) )
    B = ((slicer*test)[2:]).A
    return B


timeit sol1()
#10000 loops, best of 3: 60.4 us per loop

timeit sol2()
#10000 loops, best of 3: 91.4 us per loop

timeit sol3()
#10000 loops, best of 3: 111 us per loop

timeit sol4()
#1000 loops, best of 3: 310 us per loop

timeit sol5()
#1000 loops, best of 3: 363 us per loop

编辑：答案已更新替换.toarray()为.A，提供更快的结果，现在最好的解决方案放在首位

于 2013-05-12T11:48:12.263 回答