Разреженная матрица SciPy

Разреженная матрица — это матрица в численном анализе, в которой подавляющее большинство значений равно нулю. И наоборот, если большинство элементов не равно нулю, матрица называется плотной.

Большие разреженные матрицы часто встречаются при решении линейных моделей в науке и технике.

На рисунке выше слева находится разреженная матрица, в которой, как видно, много элементов 0, а справа — плотная матрица, где большинство элементов ненулевые.

Рассмотрим простой пример:

Приведённая выше разреженная матрица содержит только 9 ненулевых элементов и также содержит 26 нулевых элементов. Её разреженность составляет 74%, а плотность — 26%.

Модульscipy.sparseиз SciPy предоставляет функции для обработки разреженных матриц.

В основном мы используем следующие два типа разреженных матриц:

  • CSC — Compressed Sparse Column, сжатие по столбцам.
  • CSR — Compressed Sparse Row, сжатие по строкам.

В этой главе мы в основном используем CSR-матрицу.

CSR-матрица

Мы можем передать вscipy.sparse.csr_matrix()функцию массив, чтобы создать CSR-матрицу.

Пример

Создайте CSR-матрицу.

import numpy as np
from scipy.sparse import csr_matrix

arr = np.array([0, 0, 0, 0, 0, 1, 1, 0, 2])

print(csr_matrix(arr))

Приведённый выше код выводит следующий результат:

  (0, 5)        1
  (0, 6)        1
  (0, 8)        2

Анализ результатов:

  • Первая строка: в шестой позиции (значение индекса 5) в первой строке (значение индекса 0) матрицы находится значение 1.
  • Вторая строка: в седьмой позиции (значение индекса 6) в первой строке (значение индекса 0) матрицы находится значение 1.
  • Третья строка: в девятой позиции (значение индекса 8) в первой строке (значение индекса 0) матрицы находится значение 2.

Методы CSR-матрицы

Мы можем использоватьdataсвойство для просмотра сохранённых данных (исключая 0 элементов):

Пример

import numpy as np
from scipy.sparse import csr_matrix

arr = np.array([[0, 0, 0], [0, 0, 1], [1, 0, 2]])

print(csr_matrix(arr).data)

Приведённый выше код выводит следующий результат:

[1 1 2]

Используйтеcount_nonzero()метод для вычисления общего количества ненулевых элементов:

Пример

import numpy as np
from scipy.sparse import csr_matrix

arr = np.array([[0, 0, 0], [0, 0, 1], [1, 0, 2]])

print(csr_matrix(arr).count_nonzero())

Приведённый выше код выводит следующий результат:

3

Используйтеeliminate_zeros()метод для удаления 0 элементов из матрицы:

Пример

import numpy as np
from scipy.sparse import csr_matrix

arr = np.array([[0, 0, 0], [0, 0, 1], [1, 0, 2]])

mat = csr_matrix(arr)
mat.eliminate_zeros()

print(mat)

Приведённый выше код выводит следующий результат:

  (1, 2)    1
  (2, 0)    1
  (2, 2)    2

Используйте метод sum_duplicates() для удаления дубликатов:

Пример

import numpy as np
from scipy.sparse import csr_matrix

arr = np.array([[0, 0, 0], [0, 0, 1], [1, 0, 2]])

mat = csr_matrix(arr)
mat.sum_duplicates()

print(mat)

Приведённый выше код выводит следующий результат:

  (1, 2)    1
  (2, 0)    1
  (2, 2)    2

Преобразуйте CSR в CSC с помощью метода tocsc():

Пример

import numpy as np
from scipy.sparse import csr_matrix

arr = np.array([[0, 0, 0], [0, 0, 1], [1, 0, 2]])

newarr = csr_matrix(arr).tocsc()

print(newarr)
  (2, 0)    1
  (1, 2)    1
  (2, 2)    2
Другие расширения