我正在尝试将 Matlab 代码片段翻译成 Python 代码片段。但是,我不太确定如何正确实现 sprand()
函数。
这是 Matlab 代码使用 sprand()
的方式:
% n_z is an integer, n_dw is a matrix
n_p_z_dw = cell(n_z, 1); % n(d,w) * p(z|d,w)
for z = 1:n_z
n_p_z_dw{z} = sprand(n_dw);
这就是我在 Python 中实现上述逻辑的方式:
n_p_z_dw = [None]*n_z # n(d,w) * p(z|d,w)
density = np.count_nonzero(n_dw)/float(n_dw.size)
for i in range(0, n_z):
n_p_z_dw[i] = scipy.sparse.rand(n_d, n_w, density=density)
这似乎有效,但我对此不是很确定。有什么意见或建议吗?
最佳答案
对于稀疏数组A,我认为下面应该是比较快的方法:
import scipy.sparse as sparse
import numpy as np
sparse.coo_matrix((np.random.rand(A.nnz),A.nonzero()),shape=A.shape)
这将构造一个 COO 格式的稀疏矩阵:它使用 A.nonzero()
作为坐标,A.nnz
(A 中非零元素的数量)找到要生成的随机数的数量。
不过,我想知道这是否对 scipy.sparse.rand
函数有用。
关于python - Python 中 Matlab sprand() 的等价性?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30094682/