numpy - 从 numpy 数组创建稀疏矩阵

Question

我需要使用 numpy 数组中的值创建一个矩阵。这些值应根据索引数组分布在矩阵行上。

像这样：

>>> values
array([ 0.73620381,  0.61843002,  0.33604769,  0.72344274,  0.48943796])
>>> inds
array([0, 1, 2, 3, 2])
>>> m = np.zeros((4, 5))
>>> for i, (index, value) in enumerate(zip(inds, values)):
        m[index, i] = value
>>> m
array([[ 0.73620381,  0.        ,  0.        ,  0.        ,  0.        ],
       [ 0.        ,  0.61843002,  0.        ,  0.        ,  0.        ],
       [ 0.        ,  0.        ,  0.33604769,  0.        ,  0.48943796],
       [ 0.        ,  0.        ,  0.        ,  0.72344274,  0.        ]])

我想知道是否有一种矢量化的方式来做到这一点，即没有循环。有什么建议么？

Answer 1

以下是您可以如何使用精美的索引来做到这一点：

>>> values
array([ 0.73620381,  0.61843002,  0.33604769,  0.72344274,  0.48943796])
>>> inds
array([0, 1, 2, 3, 2])
>>> mshape = (4,5)
>>> m = np.zeros(mshape)
>>> m[inds,np.arange(mshape[1])] = values
>>> m
array([[ 0.73620381,  0.        ,  0.        ,  0.        ,  0.        ],
       [ 0.        ,  0.61843002,  0.        ,  0.        ,  0.        ],
       [ 0.        ,  0.        ,  0.33604769,  0.        ,  0.48943796],
       [ 0.        ,  0.        ,  0.        ,  0.72344274,  0.        ]])

Answer 2

您的values和inds数组可以用作scipy.sparse构造函数的输入（类似于 Matlab 中的稀疏）。

from scipy import sparse
values = np.array([ 0.73620381,  0.61843002,  0.33604769,  0.72344274,  0.48943796])
inds=np.array([0,1,2,3,2])
index = np.arange(5)
m=sparse.csc_matrix((values,(inds,index)),shape=(4,5))
m.todense()  # produces a matrix or
m.toarray()