通过交换行和列重新排列稀疏数组

Question

我有大而稀疏的数组,我想通过交换行来重新排列它们.有什么好办法scipy.sparse吗？

一些问题

• 我不认为排列矩阵非常适合这项任务,因为他们喜欢随机改变稀疏结构.并且操纵将总是"倍增"所有列或行,即使只需要少量交换.

• scipy.sparse这项任务的最佳稀疏矩阵表示是什么？

• 非常欢迎实施建议.

我也用Matlab标记了这个,因为这个问题可能找到一个不一定scipy具体的答案.

Answer 1

CSC 格式保留所有非零条目的行索引列表，CSR 格式保留所有非零条目的列索引列表。我认为你可以利用这一点来交换如下内容，而且我认为它不应该有任何副作用：

def swap_rows(mat, a, b) :
    mat_csc = scipy.sparse.csc_matrix(mat)
    a_idx = np.where(mat_csc.indices == a)
    b_idx = np.where(mat_csc.indices == b)
    mat_csc.indices[a_idx] = b
    mat_csc.indices[b_idx] = a
    return mat_csc.asformat(mat.format)

def swap_cols(mat, a, b) :
    mat_csr = scipy.sparse.csr_matrix(mat)
    a_idx = np.where(mat_csr.indices == a)
    b_idx = np.where(mat_csr.indices == b)
    mat_csr.indices[a_idx] = b
    mat_csr.indices[b_idx] = a
    return mat_csr.asformat(mat.format)

你现在可以做这样的事情：

>>> mat = np.zeros((5,5))
>>> mat[[1, 2, 3, 3], [0, 2, 2, 4]] = 1
>>> mat = scipy.sparse.lil_matrix(mat)
>>> mat.todense()
matrix([[ 0.,  0.,  0.,  0.,  0.],
        [ 1.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  1.,  0.,  0.],
        [ 0.,  0.,  1.,  0.,  1.],
        [ 0.,  0.,  0.,  0.,  0.]])
>>> swap_rows(mat, 1, 3)
<5x5 sparse matrix of type '<type 'numpy.float64'>'
    with 4 stored elements in LInked List format>
>>> swap_rows(mat, 1, 3).todense()
matrix([[ 0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  1.,  0.,  1.],
        [ 0.,  0.,  1.,  0.,  0.],
        [ 1.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.]])
>>> swap_cols(mat, 0, 4)
<5x5 sparse matrix of type '<type 'numpy.float64'>'
    with 4 stored elements in LInked List format>
>>> swap_cols(mat, 0, 4).todense()
matrix([[ 0.,  0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  1.],
        [ 0.,  0.,  1.,  0.,  0.],
        [ 1.,  0.,  1.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  0.]])

我使用 LIL 矩阵来展示如何保留输出的类型。在您的应用程序中，您可能希望已经采用 CSC 或 CSR 格式，并选择是否首先根据它交换行或列，以最大限度地减少转换。