Python 如何避免稀疏矩阵的循环？

我在Python中遇到了3个循环的问题。 此代码的目的是根据数据的（x）个未知值计算稀疏矩阵。这里，x数是13，这意味着数据的未重复值：（0、4、8、12、16、20、21、22、23、24、25、26、27）。然后，len（DATA）是4，表示_稀疏矩阵的行数。然后，我创建形状为（4,13）的稀疏零矩阵。然后，如果x等于未知值，我将部分值取为A_稀疏

问题

• 这段代码工作正常，但有循环！！！我应该删除循环，但是 怎么做

在这里，我举个例子如下：

输入：

• 数据-表示索引；[24,20,21,22,23]，[24,25,26,27]，[25,26,27,23]，[0,4,8,12,16,20]]
• 部分-[[1.16950604,0.08724138,1.5326188,1.5326188,0.74587448]， [ 0.44409055, 1.51394507, 1.51394507, 0.95883188], [ 0.77097384, 1.77917041, 0.14615981, 0.185952 ], [0.93,1.5,1.5,1.5,1.5,0.07]]

输出： -A_稀疏-稀疏矩阵

def get_sparse(DATA, PORTION):

    x = np.unique( flatten(DATA) )
    A = np.zeros((len(DATA), len(x)))

    for i in range(len(DATA)):
        for m1,m2 in enumerate(DATA[i]):
            for j,k in enumerate(x):
                    if float(m2) == float(k):
                            A[i][j] = PORTION[i][m1]
    return A


>>> get_sparse(DATA, PORTION)
array([[ 0.        ,  0.        ,  0.        ,  0.        ,  0.        ,
     0.08724138,  1.5326188 ,  1.5326188 ,  0.74587448,  1.16950604,
     0.        ,  0.        ,  0.        ],
   [ 0.        ,  0.        ,  0.        ,  0.        ,  0.        ,
     0.        ,  0.        ,  0.        ,  0.        ,  0.44409055,
     1.51394507,  1.51394507,  0.95883188],
   [ 0.        ,  0.        ,  0.        ,  0.        ,  0.        ,
     0.        ,  0.        ,  0.        ,  0.185952  ,  0.        ,
     0.77097384,  1.77917041,  0.14615981],
   [ 0.93      ,  1.5       ,  1.5       ,  1.5       ,  1.5       ,
     0.07      ,  0.        ,  0.        ,  0.        ,  0.        ,
     0.        ,  0.        ,  0.        ]])

当我使用Python时，我通常不喜欢使用循环，因此，我想删除循环以使代码更短更快。

---

任何答复都将不胜感激

鉴于数据和部分的不规则列表性质，这个问题的numpy向量化并不明显。但是，如果我打印

get\u sparse（数据，数据）

，它可以帮助我可视化构造函数：

这些看起来像是常规的列号，除了第一个是4。此版本的函数构建一个（4,28）数组，然后修剪

zero

列

def get_sparse(DATA, PORTION):
    x = np.unique(itertools.chain(*DATA) )
    A = np.zeros((len(DATA), max(x)+1))
    for a, d, p in zip(A, DATA, PORTION):
        a[d] = p
    return A[:,x]

要使用稀疏矩阵，请尝试：

from scipy import sparse
A = sparse.lil_matrix((4,28))
A.data = PORTION
A.rows = DATA

---

您的数据和列表部分列表与

lil_矩阵的内部格式完全匹配。一旦构建了
，
就可以转换为其他稀疏类型之一，用于数学或切片
A.toarray（）
给出了完整的“密集”形式。
试试这是SciPy稀疏矩阵包。Kobi，谢谢，我已经看过了！但是，我不熟悉Scipy稀疏矩阵工具，我只懂数学，但我真的不能把它转换成我上面提到的问题。。？我该怎么做呢？我在答案中添加了一个
sparse
示例
from scipy import sparse
A = sparse.lil_matrix((4,28))
A.data = PORTION
A.rows = DATA