python - 使用带有稀疏 scipy 矩阵的广播

Question

我有一个 numpy 数组 Z 的形状为 (k,N) 和第二个数组 X形状 (N,n)。

使用 numpy 广播，我可以很容易地获得一个新数组 H，其形状为 (n,k,N)，其切片是数组Z 的行乘以 X 的列:

H = Z.reshape((1, k, N)) * X.T.reshape((n, 1, N))

这工作正常，而且出奇地快。 现在，X 非常稀疏，我想使用稀疏矩阵运算进一步加速此运算。

但是，如果我执行以下操作:

import scipy.sparse as sprs
spX = sprs.csr_matrix(X)
H = (Z.reshape((1,k,N))*spX.T.reshape((n,1,N))).dot(Z.T)

我收到以下错误:

Traceback (most recent call last):
  File "<input>", line 1, in <module>
  File "C:\Python27\lib\site-packages\scipy\sparse\base.py", line 126, in reshape
    self.__class__.__name__)
NotImplementedError: Reshaping not implemented for csc_matrix.

有没有办法使用稀疏 scipy 矩阵进行广播？

Answer 1

Scipy 稀疏矩阵仅限于二维形状。但是您可以以“稀疏”的方式使用 Numpy:

H = np.zeros((n,k,N), np.result_type(Z, X))
I, J = np.nonzero(X)
Z_ = np.broadcast_to(Z, H.shape)
H[J,:,I] = Z_[J,:,I] * X[I,J,None]

不幸的是，结果 H 仍然是一个密集数组。

注意使用 None 进行索引是在所需轴上添加单位长度维度的简便方法。将高级索引与切片相结合时的结果顺序是 explained in the docs .