从numpy数组创建稀疏矩阵
我需要用numpy数组中的值创建一个矩阵。这些值应根据索引数组分布在矩阵行上 像这样:从numpy数组创建稀疏矩阵,numpy,Numpy,我需要用numpy数组中的值创建一个矩阵。这些值应根据索引数组分布在矩阵行上 像这样: >>> values array([ 0.73620381, 0.61843002, 0.33604769, 0.72344274, 0.48943796]) >>> inds array([0, 1, 2, 3, 2]) >>> m = np.zeros((4, 5)) >>> for i, (index, value) in
>>> values
array([ 0.73620381, 0.61843002, 0.33604769, 0.72344274, 0.48943796])
>>> inds
array([0, 1, 2, 3, 2])
>>> m = np.zeros((4, 5))
>>> for i, (index, value) in enumerate(zip(inds, values)):
m[index, i] = value
>>> m
array([[ 0.73620381, 0. , 0. , 0. , 0. ],
[ 0. , 0.61843002, 0. , 0. , 0. ],
[ 0. , 0. , 0.33604769, 0. , 0.48943796],
[ 0. , 0. , 0. , 0.72344274, 0. ]])
我想知道是否有一种矢量化的方法可以做到这一点,即没有循环。有什么建议吗?以下是您如何使用:
您的
值
和inds
数组可以用作scipy.sparse
构造函数的输入(类似于Matlab中的sparse)
[查看他的指挥历史,看看为什么这对他不起作用,因为这是他尝试的第一件事..意识到他是个白痴..删除他的答案并在这上面投票。瞧,一个典型的下午。]@DSM,我们都去过那里。FWIW,你的回答总是非常棒。
>>> values
array([ 0.73620381, 0.61843002, 0.33604769, 0.72344274, 0.48943796])
>>> inds
array([0, 1, 2, 3, 2])
>>> mshape = (4,5)
>>> m = np.zeros(mshape)
>>> m[inds,np.arange(mshape[1])] = values
>>> m
array([[ 0.73620381, 0. , 0. , 0. , 0. ],
[ 0. , 0.61843002, 0. , 0. , 0. ],
[ 0. , 0. , 0.33604769, 0. , 0.48943796],
[ 0. , 0. , 0. , 0.72344274, 0. ]])
from scipy import sparse
values = np.array([ 0.73620381, 0.61843002, 0.33604769, 0.72344274, 0.48943796])
inds=np.array([0,1,2,3,2])
index = np.arange(5)
m=sparse.csc_matrix((values,(inds,index)),shape=(4,5))
m.todense() # produces a matrix or
m.toarray()