- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在寻找包含稀疏矩阵 (scipy.sparse.csc_matrix
) 中非零元素的第一列。实际上,从第 i
开始的第一列包含非零元素。
这是某种类型的线性方程求解器的一部分。对于密集矩阵,我有以下内容:(相关行是 pcol = ...
)
import numpy
D = numpy.matrix([[1,0,0],[2,0,0],[3,0,1]])
i = 1
pcol = i + numpy.argmax(numpy.any(D[:,i:], axis=0))
if pcol != i:
# Pivot columns i, pcol
D[:,[i,pcol]] = D[:,[pcol,i]]
print(D)
# Result should be numpy.matrix([[1,0,0],[2,0,0],[3,1,0]])
上面的代码应该交换第 1 列和第 2 列。如果我们改为设置 i = 0
,D
将保持不变,因为第 0 列已经包含非零条目。
对 scipy.sparse 矩阵执行此操作的有效方法是什么?是否有 numpy.any()
和 numpy.argmax()
函数的类似物?
最佳答案
使用csc
矩阵很容易找到非零列。
In [302]: arr=sparse.csc_matrix([[0,0,1,2],[0,0,0,2]])
In [303]: arr.A
Out[303]:
array([[0, 0, 1, 2],
[0, 0, 0, 2]])
In [304]: arr.indptr
Out[304]: array([0, 0, 0, 1, 3])
In [305]: np.diff(arr.indptr)
Out[305]: array([0, 0, 1, 2])
最后一行显示每列中有多少个非零项。
np.nonzero(np.diff(arr.indptr))[0][0]
将是该 diff 中第一个非零值的索引。
在 csr
矩阵上执行相同的操作以找到第一个非零行。
如果你愿意,我可以详细说明 indptr
。
关于python - 在 scipy.sparse 矩阵中找到第一个非零列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30842497/
有人知道什么时候最好选择哪个吗?在我看来,它们是一样的... lsmr lsqr 最佳答案 两种软件包的功能相同。 LSMR基于2010年的Fong&Saunders算法(请参阅paper),并且最近
似乎 scipy.sparse.linalg 的迭代求解器不支持 scipy.sparse 的稀疏矩阵数据类型作为方程系统的右侧(而直接求解器会)。考虑以下简短示例: import numpy as
我有一个包含多个字符串列的数据框,我想将其转换为分类数据,以便我可以运行一些模型并从中提取重要特征。 但是,由于唯一值的数量,单热编码数据会扩展到大量列,从而导致性能问题。 为了解决这个问题,我正在试
我有一些需要每天同步的 VM 镜像。 VM 文件是稀疏的。 为了节省网络流量,我只想传输图像的真实数据。 我在 rsync 中使用 --sparse 选项进行尝试,但在网络流量上,我看到整个大小都通过
我有一些不明白的信息: Bigtable may be understood a sparse table. Most cells contain nullvalues - too sparse to
我一直在查看 Matlab 的 sparse documentation试图找出是否有任何指导方针来说明何时使用稀疏表示而不是完整表示是有意义的。 例如,我有一个包含大约 30% 非零条目的矩阵 da
当我尝试编译以下程序时,编译器提示 j 和 row 未声明,这让我感到惊讶,因为 Chapel - Ranges defined using bounds of type 'range(int(64)
我需要以某种方式在磁盘上存储一个 512^3 阵列,我目前使用的是 HDF5。由于阵列稀疏,因此浪费了大量磁盘空间。 HDF5 是否为稀疏数组提供任何支持? 最佳答案 一种解决方法是使用 compre
稀疏张量与自身或密集张量的乘法在 TensorFlow 中似乎不起作用。下面的例子 from __future__ import print_function import tensorflow as
我有一个git存储库,其中有一堆大型csv,我不想克隆,因此我遇到了git sparse-checkout和这篇文章:https://github.blog/2020-01-17-bring-your
是否有一种简单的方法可以按列贬低稀疏矩阵,同时将零值视为缺失(使用 Matrix 包)? 我似乎遇到两个问题: 找到合适的列意味着 空单元格被视为零而不是缺失: M0 或者@user20650评论
我在训练具有稀疏输入数据的神经网络以解决监督回归问题时遇到问题。当我对输入数据执行均值归一化(减去均值再除以标准差)时,我得到了很多NaN值。我想知道是否有人有处理此类问题的经验。缩放稀疏输入数据的正
在 Eigen 中编辑稀疏矩阵对角线的最快方法是什么?我已经使用三元组填充了它,但我偶尔需要更改所有对角线值(它们已经设置为非零值)。 最佳答案 如果可以接受,您可以简单地使用它们的索引,例如 sp_
我看到“稀疏”和“稀疏”的使用方式表明它可以提高模型的准确性。例如: I think the unsupervised phase might be not so important if some
MATLAB Coder 似乎很花哨,可以通过将代码转换为 C/C++ 或 MEX 来加快 MATLAB 代码的速度。但是它似乎不支持稀疏矩阵,或者 matlab 函数 sparse 这对我的代码至关
我有一个使用 scipy.sparse.linalg.gmres 求解稀疏线性系统的简单代码 W, S = load_data() M = normalize(W.T.astype('float64
我正在尝试创建一个大小为 n 的多维数组(其中 n 是符号形状张量的一部分)。该数组在每个区域中都应有 0,但很少有区域是变量 b_class。 这是一个简单的 Numpy 实现,但在这种情况下,我们
Java 7 defines this option ,但我不明白它的用处。考虑这个简单的程序,它在一台足够新的 Linux 机器上运行,带有 Java 6 JVM: public static vo
我有一个 CSR matrix : >> print type(tfidf) 我想对 CSR matrix 的两行进行点积: >> v1 = tfidf.getrow(1) >> v2 = tfid
尽管一切似乎都已矢量化,但以下代码运行速度太慢。 from numpy import * from scipy.sparse import * n = 100000; i = xrange(n); j
我是一名优秀的程序员,十分优秀!