Skip to main content
 首页 » 编程设计

python之为什么 scipy 稀疏和 numpy 数组的乘法函数给出不同的结果

2024年11月01日20qq号

我在 Python 2.7 中有两个矩阵:一个密集的 A_dense 和另一个稀疏矩阵 A_sparse。我对计算逐元素乘法然后求和感兴趣。有两种方法:使用 numpy's multiplication或 scipy sparse multiplication .我希望他们给出完全相同的结果,但执行时间不同。但我发现它们对某些矩阵大小给出了不同的结果。

import numpy as np 
from scipy import sparse 
L=2000 
np.random.seed(2) 
rand_x=np.random.rand(L) 
A_sparse_init=np.diag(rand_x, -1)+np.diag(rand_x, 1) 
A_sparse=sparse.csr_matrix(A_sparse_init) 
A_dense=np.random.rand(L+1,L+1) 
print np.sum(A_sparse.multiply(A_dense))-np.sum(np.multiply(A_dense[A_sparse.nonzero()], A_sparse.data)) 

输出:

1.1368683772161603e-13 

如果我选择 L=2001,则输出为:

0.0 

为了使用两种不同的乘法方法检查差异的大小依赖性,我写道:

L=100 
np.random.seed(2) 
N_loop=100 
multiply_diff_arr=np.zeros(N_loop) 
for i in xrange(N_loop): 
    rand_x=np.random.rand(L) 
    A_sparse_init=np.diag(rand_x, -1)+np.diag(rand_x, 1) 
    A_sparse=sparse.csr_matrix(A_sparse_init) 
    A_dense=np.random.rand(L+1,L+1) 
    multiply_diff_arr[i]=np.sum(A_sparse.multiply(A_dense))-np.sum(np.multiply(A_dense[A_sparse.nonzero()], A_sparse.data)) 
    L+=1 

我得到了以下情节:

任何人都可以帮助我了解发生了什么吗?难道我们不希望两种方法之间的差异至少为 1e-18 而不是 1e-13 吗?

请您参考如下方法:

我没有完整的答案,但这可能有助于找到答案:

在引擎盖下,scipy.sparse 将转换为 coo 格式并执行此操作:

ret = self.tocoo() 
if self.shape == other.shape: 
    data = np.multiply(ret.data, other[ret.row, ret.col]) 

那么问题是为什么这两个操作给出不同的结果:

ret = A_sparse.tocoo() 
c = np.multiply(ret.data, A_dense[ret.row, ret.col]) 
ret.data = c.view(type=np.ndarray) 
 
c.sum() - ret.sum() 
 
-1.1368683772161603e-13 

编辑:

差异源于在哪个轴上首先add.reduce 的默认值不同。 例如:

A_sparse.multiply(A_dense).sum(axis=1).sum() 
A_sparse.multiply(A_dense).sum(axis=0).sum() 

Numpy 首先默认为 0。