从行列表创建稀疏矩阵（稀疏向量）

Question

我想高效地创建以下维度 (s, n1+n2) 的稀疏矩阵：

v0 v1 
v0 v2 
v0 v3 
 ... 
v0 vs

给定稀疏向量 v0 (1, n1) 和一个稀疏向量列表 (1, n2) l = [v1, ... , vs]。

我曾尝试使用 coo_matrix() 但它没有成功，因为它似乎只有在你有密集向量时才有效：

left = coo_matrix(np.repeat(v0, s))
right = coo_matrix(l)
m = hstack((left, right))

编辑 1：

我找到了一个似乎不太有效的解决方法：

right = vstack([x for x in l])
left = vstack([v0 for i in range(len(l))])
m = hstack((left, right))

编辑 2：

这是一个示例（无效），可帮助您了解情况。

from scipy.sparse import random, coo_matrix
from numpy import repeat

s = 10
n1 = 3
n2 = 5

v0 = random(1, n1)
l = [random(1, n2) for i in range(s)]

left = coo_matrix(repeat(v0, s))
right = coo_matrix(l)
m = hstack((left, right))

Answer 1

In [1]: from scipy import sparse

In [2]: s, n1, n2 = 10,3,5
In [3]: v0 = sparse.random(1, n1)
In [4]: v0
Out[4]: 
<1x3 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in COOrdinate format>
In [5]: l = [sparse.random(1, n2) for i in range(s)]
In [6]: l
Out[6]: 
[<1x5 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in COOrdinate format>,
  ...
 <1x5 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in COOrdinate format>]

而不是 np.repeat 使用 sparse.vstack 创建一叠 V0 副本

In [7]: V0 = sparse.vstack([v0]*s)
In [8]: V0
Out[8]: 
<10x3 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in COOrdinate format>

同样将n2个矩阵列表转换为一个矩阵：

In [10]: V1 = sparse.vstack(l)
In [11]: V1
Out[11]: 
<10x5 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in COOrdinate format>

现在加入他们：

In [12]: m = sparse.hstack((V0,V1))
In [13]: m
Out[13]: 
<10x8 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in COOrdinate format>

我不会断言这是有效的。 hstack 和 vstack 使用 bmat （检查他们的代码）。 bmat 收集所有块的 coo 属性，并将它们（使用偏移量）连接到新的 coo_matrix 调用的输入中（同样，代码是可读的）。因此，您可以通过直接使用 bmat 甚至直接使用 coo 属性来避免一些中间转换。但是hstack和vstack比较直观。

从行列表创建稀疏矩阵（稀疏向量）

Create a sparse matrix from a list of rows (sparse vectors)

python

scipy

sparse-matrix

python-3.x