加载用 np.save 保存的稀疏矩阵

Question

我使用保存了 scipy csr 矩阵np.save('X', X)。当我加载它时np.load('X.npy')，我得到这个签名：

array(<240760x110493 sparse matrix of type '<class 'numpy.float64'>' with 20618831 stored elements in Compressed Sparse Row format>, dtype=object)

但是，我无法使用索引（例如X[0,0]或X[:10,:10] or X[0]全部给出 error IndexError: too many indices for array）并调用.shapereturns来访问此数据()。

有没有办法访问这些数据，或者它现在是否已损坏？

编辑。

由于有 3 个选项可以保存/加载矩阵，因此我进行了速度比较，看看哪个最适合我的稀疏矩阵：

编写稀疏矩阵：

%timeit -n1 scipy.io.savemat('tt', {'t': X})
1 loops, best of 3: 66.3 ms per loop

timeit -n1 scipy.io.mmwrite('tt_mm', X)
1 loops, best of 3: 7.55 s per loop

timeit -n1 np.save('tt_np', X)
1 loops, best of 3: 188 ms per loop

读取稀疏矩阵：

timeit -n1 scipy.io.loadmat('tt')
1 loops, best of 3: 9.78 ms per loop

%timeit -n1 scipy.io.mmread('tt_mm')
1 loops, best of 3: 5.72 s per loop

%timeit -n1 np.load('tt_np.npy')
1 loops, best of 3: 150 ms per loop

结果是mmread/mmwrite令人难以置信的低（大约慢 100 倍），并且savemat/loadmat比save/load.

Answer 1

让我们关注打印中的所有线索

array(<240760x110493 sparse matrix of type '<class 'numpy.float64'>'
     with 20618831 stored elements in Compressed Sparse Row format>, dtype=object)

最外层：

array(....,dtype=object)

稀疏矩阵不是规则数组；to np.save，它只是一个Python对象。所以它把它包裹在 a 中dtype=object并保存了它。它是一个 0d 数组（因此是()形状），因此所有索引尝试都会失败。尝试一下

M=arr.item() # or
M=arr[()]

现在M应该显示为：

sparse matrix of type '<class 'numpy.float64'>'
     with 20618831 stored elements in Compressed Sparse Row format

具有诸如M.shape. M.A将显示密集形式，但它太大而无法有效执行此操作。