python之如何避免稀疏矩阵的循环

我在 Python 中遇到 3 个循环问题。 这段代码的目的是根据DATA的(x)个未知值的数量计算稀疏矩阵。这里，x数为13，表示DATA的不重复值:(0, 4, 8, 12, 16, 20, 21, 22, 23, 24, 25, 26, 27)。然后，len(DATA) 为 4，表示 A_sparse 矩阵的行数。然后，我创建形状为 (4,13) 的稀疏零矩阵。然后，如果 x 等于未知值，我将 portion 值设为 A_sparse。

问题

• 这段代码可以正常工作，但是有循环!!!我应该删除循环，但是 怎么样？

这里，我举个例子:

输入:

• DATA——表示索引； [[24, 20, 21, 22, 23], [24, 25, 26, 27], [25, 26, 27, 23], [0, 4, 8, 12, 16, 20]]
• 部分 - [[ 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]]

输出: - A_sparse - 稀疏矩阵；

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.        ]]) 

当我使用 Python 时，我通常不喜欢使用循环，因此，我想删除循环以使这段代码更短、更快。 任何答案将不胜感激!

请您参考如下方法:

鉴于 DATA 和 PORTION 列表的不规则列表性质，此问题的 numpy 向量化并不明显。但是，如果我打印 get_sparse(DATA, DATA)，它可以帮助我可视化构造函数:

[[ 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]] 

这些看起来像常规的列号，除了第一个按 4 递增的列号。此版本的函数构建一个 (4,28) 数组，然后修剪掉 0 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] 

要使用稀疏矩阵，请尝试:

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

您的 DATA 和 PORTION 列表列表与 lil_matrix 类型的内部格式完全匹配。一旦构造 A 就可以转换为其他稀疏类型之一用于数学或切片。 A.toarray() 给出完整的“密集”形式。