scipy 计算稠密矩阵在另一稀疏矩阵的非零元素处的差

xhv8bpkk 于 2022-11-10 发布在其他

关注(0)|答案(2)|浏览(136)

我有一个n x n矩阵W，一个n维向量U和一个标量p > 1。我想计算W * (np.abs(U[:,np.newaxis] - U)**p)，其中*，**和abs是按元素方式理解的（如在numpy中）。
现在的问题是U[:,np.newaxis] - U不适合内存，但是，W是一个稀疏矩阵（scipy.sparse），所以我实际上不必计算U[:,np.newaxis] - U的所有元素，而只需要计算那些W不为零的元素。
如何才能在计算时间和内存方面最有效地计算W * (np.abs(U[:,np.newaxis] - U)**p)，理想情况下只进行稀疏运算，而不需要单步执行numpy？

scipy

来源：https://stackoverflow.com/questions/72344633/compute-difference-of-dense-matrix-at-non-zero-elements-of-another-sparse-matrix

2条答案

按热度按时间

camsedfj1#

为了利用稀疏性，你可以这样应用分配定律：

C = W * (np.abs(U[:,np.newaxis] - U)**p)

将导致

rtW = W**(1/p)
C = (rtW * np.abs(U[:,np.newaxis] - rtW * U)**p

注意，只有当W的项不为负时，这才有意义。

rtW = np.abs(W)**(1/p)
signW = np.sign(W)
C = signW * (rtW * np.abs(U[:,np.newaxis] - rtW * U)**p

赞(0）回复(0）举报 2022-11-10

mwkjh3gx2#

我想出来了，我们可以使用W.nonzero()来执行所需的计算
假设W是一个csc_matrix：

nonzero = W.nonzero()
values = np.abs(U[nonzero[0]] - U[nonzero[1]])**p
A = sparse.csc_matrix((values, nonzero), shape=(U.size, U.size))
W.multiply(A)

赞(0）回复(0）举报 2022-11-10

我来回答

scipy 计算稠密矩阵在另一稀疏矩阵的非零元素处的差

2条答案

相关问题

热门标签

最新问答