Python 将scipy.sparse矩阵转换为等效的MATLAB稀疏矩阵

我有一个

scipy.sparse.lil_矩阵

，我想将它输入到使用。到目前为止，我看到的帖子要么是关于如何将MATLAB稀疏矩阵转换为python等价物，要么是需要修改MATLAB代码，我宁愿绕开它。

在内部，我相信MATLAB使用的是类似于csc的格式。但是构造是（至少在我几年前使用它时）带有

coo

风格的输入——数据、行、列

我建议在MATLAB中创建一个稀疏矩阵，并将其保存（在HDF5之前的模式下）到.mat中。然后用

scipy.io.loadmat

加载它。然后在将

scipy.sparse

矩阵写回

.mat

时，使用该结果作为指南

scipy.sparse

有一个

save

函数，但它使用

np.savez

来编写相应的属性数组。如果您有可以处理

.npy

文件的MATLAB代码，您可能可以加载这样的保存（再次使用

coo

格式）

===

测试

创建并保存稀疏矩阵：

In [263]: from scipy import io, sparse                                                                          
In [264]: M = sparse.random(10,10,.2,'coo')                                                                     
In [265]: io.savemat('sparse.mat', {'M':M})       

Python端的测试负载：

In [268]: io.loadmat('sparse.mat')                                                                              
Out[268]: 
{'__header__': b'MATLAB 5.0 MAT-file Platform: posix, Created on: Wed Jul  3 11:41:23 2019',
 '__version__': '1.0',
 '__globals__': [],
 'M': <10x10 sparse matrix of type '<class 'numpy.float64'>'
    with 20 stored elements in Compressed Sparse Column format>}

---

因此，它看起来像是

savemat/loadmat

代码以与MATLAB兼容的方式处理稀疏矩阵。

谢谢！我对MATLAB不是很熟悉，因此我认为我不完全理解，还有一些问题有待解决。总而言之，您的意思是我应该在MATLAB中声明一个未指定的稀疏矩阵，用hdf5write将其写入.mat文件？请详细说明“使用该结果作为指导”

scipy.io.loadmat/savemat

使用的是旧版本的MATLAB.mat文件。我认为他们可以在两个方向上处理稀疏矩阵。我不太熟悉其他的转移方式。如果你对MATLAB不太了解，这可能是一个没有希望的任务。好吧，我看看我能走多远。非常感谢！：-）好的，我有机会通过

savemat

将

scipy.sparse

矩阵发送到倍频程。它起作用了。

>> load sparse.mat
>> M
M =

Compressed Column Sparse (rows = 10, cols = 10, nnz = 20 [20%])

  (4, 1) ->  0.41855
  (6, 1) ->  0.33456
  (7, 1) ->  0.47791
  (4, 3) ->  0.27464
  (2, 4) ->  0.96700
  (3, 4) ->  0.60283
  (10, 4) ->  0.41400
  (1, 5) ->  0.57004
  (2, 5) ->  0.44211
  (1, 6) ->  0.63884
  (3, 7) ->  0.012127
  (8, 7) ->  0.77328
  (8, 8) ->  0.25287
  (10, 8) ->  0.46280
  (1, 9) ->  0.0022617
  (6, 9) ->  0.70874
  (1, 10) ->  0.79101
  (3, 10) ->  0.81999
  (6, 10) ->  0.12515
  (9, 10) ->  0.60660