Skip to main content
 首页 » 编程设计

python之从 scipy 稀疏矩阵中提取非主对角线

2024年11月01日11JustinYoung

假设我有一个 scipy.sparse 格式的稀疏矩阵。如何提取主对角线以外的对角线?对于 numpy 数组,您可以使用 numpy.diag。是否有 scipy 稀疏等价物?

例如:

from scipy import sparse 
A = sparse.diags(ones(5),1) 

如何在不转换为 numpy 数组的情况下取回 1 的向量?

请您参考如下方法:

当稀疏数组为dia格式时,沿对角线的数据记录在offsets和data属性中:

import scipy.sparse as sparse 
import numpy as np 
 
def make_sparse_array(): 
    A = np.arange(ncol*nrow).reshape(nrow, ncol) 
    row, col = zip(*np.ndindex(nrow, ncol)) 
    val = A.ravel() 
 
    A = sparse.coo_matrix( 
        (val, (row, col)), shape=(nrow, ncol), dtype='float') 
    A = A.todia() 
    # A = sparse.diags(np.ones(5), 1) 
    # A = sparse.diags([np.ones(4),np.ones(3)*2,], [2,3]) 
    print(A.toarray()) 
    return A 
 
nrow, ncol = 10, 5 
A = make_sparse_array() 
diags = {offset:(diag[offset:nrow+offset] if 0<=offset<=ncol else 
                 diag if offset+nrow-ncol>=0 else 
                 diag[:offset+nrow-ncol]) 
         for offset, diag in zip(A.offsets, A.data)} 
 
 
for offset, diag in sorted(diags.iteritems()): 
    print('{o}: {d}'.format(o=offset, d=diag)) 

因此对于数组

[[  0.   1.   2.   3.   4.] 
 [  5.   6.   7.   8.   9.] 
 [ 10.  11.  12.  13.  14.] 
 [ 15.  16.  17.  18.  19.] 
 [ 20.  21.  22.  23.  24.] 
 [ 25.  26.  27.  28.  29.] 
 [ 30.  31.  32.  33.  34.] 
 [ 35.  36.  37.  38.  39.] 
 [ 40.  41.  42.  43.  44.] 
 [ 45.  46.  47.  48.  49.]] 

上面的代码产生

-9: [ 45.] 
-8: [ 40.  46.] 
-7: [ 35.  41.  47.] 
-6: [ 30.  36.  42.  48.] 
-5: [ 25.  31.  37.  43.  49.] 
-4: [ 20.  26.  32.  38.  44.] 
-3: [ 15.  21.  27.  33.  39.] 
-2: [ 10.  16.  22.  28.  34.] 
-1: [  5.  11.  17.  23.  29.] 
0: [  0.   6.  12.  18.  24.] 
1: [  1.   7.  13.  19.] 
2: [  2.   8.  14.] 
3: [ 3.  9.] 
4: [ 4.] 

上面的输出是打印偏移量,然后是该偏移量处的对角线。

上面的代码应该适用于任何稀疏数组。我使用完全填充的稀疏数组只是为了更容易检查输出是否正确。