Python 中 Matlab sprand() 的等价性？

Question

我正在尝试将 Matlab 代码片段翻译成 Python 代码片段。但是，我不太确定如何正确实现 sprand() 功能。

Matlab代码是这样使用的sprand():

% n_z is an integer, n_dw is a matrix
n_p_z_dw = cell(n_z, 1); % n(d,w) * p(z|d,w)
for z = 1:n_z
  n_p_z_dw{z} = sprand(n_dw);

这就是我在 Python 中实现上述逻辑的方式：

n_p_z_dw = [None]*n_z  # n(d,w) * p(z|d,w)
density = np.count_nonzero(n_dw)/float(n_dw.size)
for i in range(0, n_z):
    n_p_z_dw[i] = scipy.sparse.rand(n_d, n_w, density=density)

好像可行，但我不是很确定。有什么意见或建议吗？

Answer 1

对于稀疏数组A，我觉得下面应该是比较快的方法：

import scipy.sparse as sparse
import numpy as np
sparse.coo_matrix((np.random.rand(A.nnz),A.nonzero()),shape=A.shape)

这将构造一个COO格式的稀疏矩阵：它以A.nonzero()为坐标，以A.nnz（A中非零项的个数）求随机数生成的个数。

---

不过，我想知道这是否对 scipy.sparse.rand 功能有用。