我对此进行了很多研究,但找不到解决此问题的实用方法。我正在使用 scipy 创建 csr 稀疏矩阵,并希望从所有矩阵的等效矩阵中减去该矩阵。在 scipy 和 numpy 符号中,如果矩阵不是稀疏的,我们可以通过简单地写 1 - MatrixVariable 来实现。但是,如果 Matrix 是稀疏的,则不会执行此操作。我只能想到以下明显的解决方案:
遍历整个稀疏矩阵,将所有零元素设置为1,将所有非零元素设置为0。
但这会创建一个矩阵,其中大多数元素为 1,只有少数元素为 0,这不再是稀疏矩阵,并且由于其巨大的尺寸无法转换为密集矩阵。
执行此操作的另一种有效方法是什么?
谢谢。
最佳答案
你的新矩阵不会是稀疏的,因为它到处都是 1
,所以你需要一个密集数组来保存它:
new_mat = np.ones(sps_mat.shape, sps_mat.dtype) - sps_mat.todense()
这要求您的矩阵适合内存。它实际上要求它适合内存 3 次。如果这是一个问题,您可以通过以下方式提高效率:
new_mat = sps_mat.todense()
new_mat *= -1
new_mat += 1
关于python - 如何计算一个巨大的稀疏矩阵的 (1 - SparseMatrix)?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17426742/