Я немного озадачен тем, что представляет собой первый кортеж. Являются ли это индексами и значениями разреженного массива? например
In [4]: arrays=(np.array([0, 1, 2], dtype=int), np.array([2, 0, 0], dtype=int), np.array([2, 1, 3], dtype=float))
...
In [6]: from scipy import sparse
In [7]: M=sparse.csr_matrix((arrays[2],(arrays[0],arrays[1])))
In [8]: M
Out[8]:
<3x3 sparse matrix of type '<class 'numpy.float64'>'
with 3 stored elements in Compressed Sparse Row format>
In [9]: M.A
Out[9]:
array([[ 0., 0., 2.],
[ 1., 0., 0.],
[ 3., 0., 0.]])
In [10]: print(M)
(0, 2) 2.0
(1, 0) 1.0
(2, 0) 3.0
Умножение матриц определяется для такого массива:
In [12]: M*M.T
Out[12]:
<3x3 sparse matrix of type '<class 'numpy.float64'>'
with 5 stored elements in Compressed Sparse Row format>
In [13]: (M*M.T).A
Out[13]:
array([[ 4., 0., 0.],
[ 0., 1., 3.],
[ 0., 3., 9.]])
In [14]: M.A.dot(M.A.T) # dense equivalent
Out[14]:
array([[ 4., 0., 0.],
[ 0., 1., 3.],
[ 0., 3., 9.]])
Я мог бы реализовать построчно умножения этого массива:
In [21]: A=M.A # dense array
In [22]: for r in range(3):
print(np.dot(A[r,:],A[r,:]))
4.0
1.0
9.0
# actually this is just the diagonal
In [23]: for r in range(3): # or with the nonzero elements
I=np.nonzero(A[r,:])
dot = np.dot(A[r,I[0]],A[r,I[0]])
print(dot)
4.0
1.0
9.0
за то, что он стоит, nonzero
возвращает массив, который я скопировал с вашего поста в начале:
In [24]: np.nonzero(A)
Out[24]: (array([0, 1, 2], dtype=int32), array([2, 0, 0], dtype=int32))
In [25]: A[np.nonzero(A)]
Out[25]: array([ 2., 1., 3.])
Редкая матрица также имеет nonzero
метод:
In [26]: M.nonzero()
Out[26]: (array([0, 1, 2], dtype=int32), array([2, 0, 0], dtype=int32))
Я чувствую, как я барахтался вокруг, пытаясь понять смысл вопроса и на примере.
Каким образом использование только ненулевых элементов изменяет окончательный ответ? – hpaulj
Вы установили теги 'scipy' и' редкие матрицы'. Означает ли это, что вы собираетесь использовать матрицы 'scipy.sparse'? Они могут выполнять умножение матрицы (в скомпилированном коде). – hpaulj
проблема состоит в том, что матрица B является редкой и огромной, а затем A и C будут большими, и поэтому для эффективности я хочу только завершить умножение ненулевыми элементами. Есть гораздо больше нулевых элементов, чем ненулевых. Я думаю, что решение, вероятно, связано с scipy.sparse, но я не уверен, и я открыт для идей! –