从一个值列表转换为一个极小的稀疏矩阵，最有效的方法是什么？
从一个值列表转换为一个极小的稀疏矩阵，最有效的方法是使用压缩稀疏列（CSC）格式。CSC格式是一种常用的稀疏矩阵存储格式，它将矩阵按列存储，并且只存储非零元素的值、行索引和列指针。
具体的转换方法如下：
- 遍历值列表，记录每个非零元素的值、行索引和列索引。
- 根据列索引对非零元素进行排序。
- 创建一个数组存储非零元素的值，一个数组存储非零元素的行索引，一个数组存储每列的起始位置（列指针）。
- 遍历非零元素的列索引，统计每列非零元素的个数，并更新列指针数组。
- 根据列指针数组，计算每列非零元素在值数组和行索引数组中的起始位置。
- 将值数组、行索引数组和列指针数组作为稀疏矩阵的表示。
使用CSC格式的稀疏矩阵可以有效地节省存储空间，并且在进行矩阵运算时可以提高计算效率。适用于值列表中大部分元素为零的情况，例如图像处理、自然语言处理等领域。
腾讯云提供了云计算相关的产品和服务，其中包括云服务器、云数据库、云存储、人工智能等。具体推荐的产品和产品介绍链接地址如下：
- 云服务器（CVM）：提供弹性计算能力，支持多种操作系统和应用场景。详情请参考：https://cloud.tencent.com/product/cvm
- 云数据库（CDB）：提供高可用、可扩展的数据库服务，支持多种数据库引擎。详情请参考：https://cloud.tencent.com/product/cdb
- 云存储（COS）：提供安全、可靠的对象存储服务，适用于存储和处理各种类型的数据。详情请参考：https://cloud.tencent.com/product/cos
- 人工智能（AI）：提供丰富的人工智能服务，包括图像识别、语音识别、自然语言处理等。详情请参考：https://cloud.tencent.com/product/ai
以上是腾讯云的一些相关产品，供您参考。
相关·内容
我正在尝试使用A^TA计算cuSparse。A是一个大但稀疏的矩阵。基于使用的适当函数是cusparseDcsrgemm2。然而，这是少数几个不支持输入矩阵可选内置转置的cuSparse操作之一。文件里有一行写着
只支持NN版本。对于其他模式，用户必须显式转换A或B。
问题是，我在cuSparse中找不到一个可以执行转置的函数。我知道我可以在CPU中转换，并将其复制到GPU，但这会减慢应用程序的速度。我是不是遗漏了什么？使用cuSparse计算A^TA的正确方法是什么？
浏览 1提问于2019-08-06得票数 1
回答已采纳
1回答
使用CUDA C计算下列表达式的最有效方法是什么？
(A (D^-1)B^T )^-1
其中，D是一个很大的对称矩阵，A是一个小对称矩阵，使得B和B^T中等大小的矩形非对称矩阵。当然，(^-1)和(^T)分别是逆运算和转置运算。
浏览 4提问于2013-08-17得票数 0
1回答
我必须构建一个函数，它先按行排序矩阵，然后按列排序，反之亦然，保留矩阵内部的值。矩阵是一个很大的矩阵，所以我使用的算法必须是nlogn算法。
我的结构如下：
typedef struct{
unsigned int line, column;
float value;}Matrix;
Matrix matrix[size_of_matrix*size_of_matrix];
static int numb_of_matrix; /*Whenever I ask the user to insert values to the matrix, I increase this number to
浏览 2提问于2018-04-25得票数 1
2回答
我现在在处理稀疏矩阵，我必须比较稀疏矩阵乘法和全矩阵乘的计算时间。问题是稀疏矩阵计算比全矩阵计算慢。
我用压缩的行存储压缩我的矩阵，乘以2个矩阵非常耗时(循环四倍)，所以我想知道是否有更好的压缩格式更适合矩阵-矩阵操作(CRS非常方便矩阵向量计算)。
提前感谢！
浏览 6提问于2013-09-26得票数 4
回答已采纳
1回答
我在matlab中有一个20 millionx20million大小的稀疏矩阵。我想从这个矩阵中得到大约40000个特定的行。
如果我这样做了
new_data = data_original(index,:)
当index由我感兴趣的行组成时，它将永远占用时间。
我怎样才能高效地做这件事？
浏览 1提问于2014-04-06得票数 0
2回答
我使用Gensim建立向量空间模型。在从Gensim创建字典和语料库之后，我使用以下行计算了(词汇频率*反向文档频率)TFIDF
Term_IDF = TfidfModel(corpus)
corpus_tfidf = Term_IDF[corpus]
corpus_tfidf包含具有术语ids和相应TFIDF的列表的列表。然后，我使用下面的几行代码将TFIDF与ids分开：
for doc in corpus_tfidf:
for ids,tfidf in doc:
IDS.append(ids)
tfidfmtx.append(tf
浏览 0提问于2018-06-20得票数 5
2回答
我正在尝试在c++中转置一个稀疏矩阵。我正在努力处理新的转置矩阵的遍历。我想输入从矩阵的第一行到新矩阵的第一列的所有内容。
每一行都有数字所在的列索引和数字本身。
输入：
colInd num colInd num colInd num
输入：
1 1 2 2 3 3
1 4 2 5 3 6
1 7 2 8 3 9
输出：
1 1 2 4 3 7
1 2 2 5 3 8
1 3 2 6 3 9
如何使列表向下遍历第一列，在遍历时插入第一个元素，然后返回顶部，向下插入第二列。如果这两个问题很难理解，我向您道歉。但我需要的帮助是遍历转置后的矩阵，使其在正确的时间出现在正确的位置，在正确的位置插入一
浏览 1提问于2012-03-29得票数 0
2回答
我有一些非常大的矩阵(不包括百万行的顺序)，这些矩阵是无法保存在内存中的，我需要在下降时间内访问这个矩阵的子样本(不到一分钟.)。我开始盯着hdf5和blaze，和numpy和熊猫在一起：
但我觉得有点复杂，我不知道这是否是最好的解决办法。
还有其他解决办法吗？
谢谢
编辑
这里有一些关于我正在处理的数据类型的更多规范。
矩阵通常是稀疏的(< 10%或< 25%的非零单元)。
矩阵是对称的。
我需要做的是：
仅用于阅读的访问
提取矩形子矩阵(大部分沿对角线，但也在外部)
浏览 2提问于2016-02-22得票数 4
1回答
我有一个巨大的稀疏矩阵A，大小是两百万乘以一万。我想从这个矩阵中索引特定的1000行(索引)。
如果我这样做了
B= A(index，:)；
这需要一些时间。有没有更好的快速方法来高效地访问这个矩阵的行？
浏览 1提问于2014-03-05得票数 2
1回答
我计划使用HDF来存储一个非常大的矩阵，类似于1e6x1e6的浮动。
我需要成批地读取连续行或列的矩阵。
我的问题是，是构造/调整HDF文件以使速度最大化的最佳方式是什么？
以下几点：
我估计在我的系统上读/写HDF中未压缩的全部矩阵大约需要5个小时。这是合理的，但不合理地存储矩阵未压缩，因为它将是几兆字节的大小。
如果矩阵是稀疏的，压缩会导致读取速度比读取未压缩的密集矩阵更快吗？
将矩阵分解成单独的子矩阵数据集会很烦人，因为这会使从原始矩阵读取一行/列或执行矩阵乘法之类的操作变得复杂。因此，如果可能的话，我想避免这样做(除非这给了我很大的速度优势)。
在读了一次矩阵之后，我打
浏览 1提问于2014-04-15得票数 1
1回答
我有一个包含2M个节点的大型，我正在尝试将其转换为邻接矩阵。我之前用于将边缘列表更改为邻接矩阵的代码在此数据集上不起作用，因为它太大了。还有没有其他我可以使用的链接或方法？
浏览 24提问于2019-08-13得票数 2
回答已采纳
4回答
最近我一直在研究矩阵，我开始学习稀疏矩阵，但我甚至不明白它们为什么会存在。稀疏矩阵的一些实际应用是什么？如果它们主要保存的都是0，那么它们有什么有用的功能吗？
浏览 0提问于2018-04-06得票数 1
对于SciPy稀疏矩阵，可以使用todense()或toarray()将其转换为NumPy矩阵或数组。反转的函数是什么？
我搜索了，但不知道哪些关键字应该是正确的命中。
浏览 1提问于2011-10-28得票数 99
回答已采纳
我想要将一个矩阵(非常稀疏，有数百万个零和几个其他数字)作为熊猫数据帧保存到.csv文件中，但是数据帧将0保存为0.0 (浮点数而不是整数)，因此文件变得非常大。所以我想将0.0保存为0，以减小输出.csv文件的大小。我正在尝试类似这样的东西： import pandas
table = [[0.88, 4], [0, 0.5]]
pd = pandas.DataFrame(table, columns = ['C1', 'C2'])
pd.to_csv('output.csv', index = False)
pd 并获得输出： C1
浏览 37提问于2020-07-24得票数 0
1回答
优化图邻接关系的矢量化代码
、、、、
我正在用MATLAB编写一些机器学习代码，我正在用一个邻接矩阵A来表示一个图，并用一个矩阵Z来表示该图的聚类，其定义如下。
答:如果节点i之间有一条边，则a_ij为1，否则节点j。0。Z:如果节点j在集群i中，则z_ij为1。否则为0。
我正在计算一个矩阵N，它是集群之间的边数，定义如下：
N: n_ij是群集i中的节点与群集j中的节点之间的边数。n_ii是群集i中的边数。
N可以通过以下公式计算：
N = zAz'
其中z‘是z-转置的。
如果我有很多节点，那么计算需要一些时间，但这不是问题所在。问题是，我将节点从一个集群移动到另一个集群很多次，每次我想要计算N。
因此，问题如下:假
浏览 3提问于2012-03-04得票数 6
回答已采纳
我有一个矩阵B，它是正方形和密集的，还有一个矩阵A，它是矩形的，稀疏的。
是否有一种有效计算产品B^-1 * A的方法？
到目前为止，我使用的是(在numpy中)
tmp = B.inv()
return tmp * A
我相信这让我们觉得A很稀疏。我正在考虑使用稀疏方法numpy.sparse.linalg.spsolve，但这需要B而不是A才是稀疏的。
还有其他方法来加快速度吗？
浏览 1提问于2011-07-20得票数 1
回答已采纳
我正在尝试用scikit来完成这个简单的任务，但是我在处理稀疏矩阵时遇到了麻烦。为此，我不关心文档频率。
这就是我到目前为止所知道的：
vectorizer = CountVectorizer(ngram_range=(1,3))
n_grams = vectorizer.fit_transform(df.column_with_text)
在这一点上，我知道我被支持做一些涉及n_grams和inverse_transform的事情，但我不确定是什么。我想要一个n_gram列表，频率按频率排序，如下所示：
"apple banana", 100
"this is fun
浏览 0提问于2016-03-17得票数 1
1回答
稀疏矩阵布尔索引Numpy阵列
、、、、
我试图通过稀疏矩阵对numpy数组应用布尔索引。
A = dense n x n matrix, where n is large
B = sparse n x n Boolean matrix
示例操作：
A[B] *= 2
A[~B] *= -2
在不将稀疏矩阵转换为密集矩阵(这会导致内存问题)的情况下，是否有一种有效的方法来实现这一点？
浏览 1提问于2018-01-12得票数 2
回答已采纳
1回答
论礼拜堂的稀疏性
、、、、
给定一个稠密域dom: domain(n);，其中n< 3，声明sps1: sparse subdomain(dom);产生一个稀疏子域sps1 of dom。使用sps1，通常的数组/矩阵切片是可能的。也就是说，给定一个矩阵A: [sps1]，可以取A的n维切片.然而，通常的矩阵运算transpose()是不适用的。
在另一个稀疏子域B:[sps2]上定义第二个矩阵sps2 = CSRDomain(dom)使一个人能够获取B的transpose()，但是将其切片到B中的能力就丧失了。
这两种能力似乎都是一个人应该始终能够获得的。是否有更好的方法来声明保留这两个域的稀疏子域？
浏览 0提问于2018-03-14得票数 3
回答已采纳
我用Armadillo来解决一些线性代数问题。它有稀疏矩阵的SpMat<float>和稠密矩阵的Mat<float>。
假设我有稀疏矩阵S_a和S_b，以及稠密矩阵D。我需要计算产生的S_a*S_b和S_a*D，结果在这两种情况下都会很密集。
我可以将稀疏矩阵转换为密集矩阵，然后再进行乘法，但这将是效率低下的(这些矩阵非常大)。有没有办法让Armadillo在不执行中间转换步骤的情况下将结果存储到稠密矩阵中？
浏览 4提问于2017-10-24得票数 0
回答已采纳
1回答
我正在使用Python、numpy和scipy对我为文本分析创建的主题模型的输出进行一些层次聚类。
我将我的测试语料库应用于ldamodel，因此它成为一个词袋表示。然后我把它变成了一个矩阵。现在，我想使用scipy来创建一个矩阵的链接矩阵。但它给出了值错误:使用序列设置数组元素。我猜这是因为只有形状相同的数组才能聚集在一起。我的矩阵在列表中的列表之间有长度上的差异。我现在只是不知道如何解决这个问题。下面是代码的一小部分。我不知道这是否有帮助。我真的希望有人能帮我。
import numpy as np
X = np.array(corpus)
from matplotlib im
浏览 0提问于2017-01-13得票数 0
2回答
这是我刚发现的东西。由于某种原因，在Armadillo中，将稠密矩阵乘以稀疏矩阵比乘以稀疏和稠密矩阵(即倒序)要慢得多。
// [[Rcpp::depends(RcppArmadillo)]]
#include <RcppArmadillo.h>
// [[Rcpp::export]]
arma::sp_mat mult_sp_den_to_sp(arma::sp_mat& a, arma::mat& b)
{
// sparse x dense -> sparse
arma::sp_mat result(a * b);
return
浏览 0提问于2018-04-11得票数 3
回答已采纳
我有一个矩阵，我想把它看作对应图的邻接矩阵，所以我用1替换每个非零元素：
A = A ~- 0
现在我想计算A*A，但我不能，因为
>> A*A
Error using *
Both logical inputs must be scalar.
To compute elementwise TIMES, use TIMES (.*) instead
由于某种原因，我不能把逻辑矩阵转换成整数。
>> uint(A)
Error using numerictype (line 172)
Invalid arguments (WordLength must be a
浏览 4提问于2014-01-28得票数 3
回答已采纳
我需要提取sparseMatrix行作为sparseVector，但是'drop=FALSE‘选项不适合我。
为了解释这个问题，我将使用中的一个示例(我的问题不同，因为我需要将提取的行转换为向量)：
i <- c(1,3:8); j <- c(2,9,6:10); x <- 7 * (1:7)
A <- sparseMatrix(i, j, x = x)
b <- sparseVector(7,2,10)
现在A[1,,drop=FALSE]和b应该具有相同的值。
然而，A[1,,drop=FALSE]仍然是一个2维矩阵。因此，如果我尝试使用Matrix:
浏览 0提问于2015-10-29得票数 0
1回答
我正在用Armadillo C++编写一个程序(4.400.1)
我有一个矩阵，它必须是稀疏和复杂的，我想要计算这种矩阵的逆。由于它是稀疏的，它可能是伪逆，但我可以保证矩阵有完全对角。
在Armadillo的API文档中，它提到了计算任何矩阵的逆的方法.i()，但是sp_cx_mat成员不包含这样的方法，而且inv()或pinv()函数显然不能处理sp_cx_mat类型。
sp_cx_mat Y;
/*Fill Y ensuring that the diagonal is full*/
sp_cx_mat Z = Y.i();
或
sp_cx_mat Z = inv(Y);
他们都不管用
浏览 3提问于2014-11-01得票数 3
回答已采纳
1回答
我正在使用一个大约26万行，3M列和26M非零值的稀疏矩阵(以matrix Market格式存储)。我还有描述每行和每列的元数据的JSON文件。我需要在这个矩阵上执行矩阵运算，即矩阵乘积，尽管肯定还需要其他运算。我一直在使用我的矩阵和字典(来自JSON)，每个字典都将行/列索引链接到它的元数据值。它不是理想的，尽管它是有效的。
我想知道，有没有更好的选择？我知道Pandas/Dato数据帧，但在我看来，矩阵部分(及其操作)似乎被降级了。我一直在关注blaze项目(Dask、xray，主要是这些核心外的技术)。我想知道处理这种情况的标准方法(或最合适的方法)是什么。
任何洞察力都是非常值得欣赏的
浏览 0提问于2015-08-30得票数 1
1回答
下面是我的代码：
data=pd.get_dummies(data['movie_id']).groupby(data['user_id']).apply(max)
df=pd.DataFrame(data)
replace=df.replace(0,np.NaN)
t=replace.fillna(-1)
sparse=sp.csr_matrix(t.values)
我的数据由两列组成，分别是movie_id和user_id。
user_id movie_id
5 1000
6
浏览 0提问于2018-07-09得票数 2
3回答
我现在想用它的转置来乘一个大型稀疏矩阵(~1M×200 k)。结果矩阵的值将以浮点数表示。
我试着将矩阵加载到枕的稀疏矩阵中，并将第一矩阵的每一行与第二矩阵相乘。乘法用了2小时才完成。
实现这种乘法的有效方法是什么？因为我在计算中看到了一个模式。
矩阵大而稀疏。
矩阵的乘法及其转置。因此，得到的矩阵是对称的。
我想知道哪些库可以更快地实现计算。它可以是Python、R、C、C++或任何其他语言。
浏览 7提问于2014-07-04得票数 10
回答已采纳
1回答
我有稀疏COO3DA矩阵NxNxM (第三维是M)和密集2DB矩阵(NxN)，这将是我的求解器的优化变量。我想把A和B相乘，得到(NxNXM)矩阵。然后，我需要对生成的3D矩阵的元素求和，以创建2D矩阵(NxN)。
为了清楚起见，如果我不使用稀疏矩阵，我可以使用下面的代码。它是3D和2D矩阵的乘法。
np.sum(np.einsum('ijk,jk->ijk', A, B))
其中A是3D矩阵，B是2D矩阵。
我的目标函数是最小化稀疏A与决策变量矩阵B的乘法的元素之和。
我该怎么做呢？
我正在使用创建稀疏矩阵。
浏览 5提问于2020-10-24得票数 1
1回答
我必须计算稀疏矩阵中向量之间的大量相似计算。当前用于此任务的最佳工具scipy-sparse或pandas是什么？
浏览 5提问于2013-10-04得票数 2
1回答
在scipy稀疏矩阵类型和普通numpy矩阵类型之间似乎存在一些差异
import scipy.sparse as sp
A = sp.dia_matrix(tri(3,4))
vec = array([1,2,3,4])
print A * vec #array([ 1., 3., 6.])
print A * (mat(vec).T) #matrix([[ 1.],
# [ 3.],
浏览 0提问于2013-05-30得票数 3
回答已采纳
1回答
n=sc.shape(A)[0]
sim=sc.eye(n)
I=sc.eye(n)
P= normalize(A, norm='l1', axis=0)
Q=P*(1-np.exp(-A))
A是由代码创建的邻接矩阵：
df=pd.read_csv('training.csv')
G=nx.from_pandas_dataframe(df,'node1','node2','weight')
A
浏览 2提问于2017-12-02得票数 0
回答已采纳
1回答
Context：我将特征用于人工神经网络，其中典型的维度约为每层1000个节点。因此，大多数运算都是将大小为1000,1000的矩阵M与大小为1000的向量或一批B向量相乘，后者表示为大小为Bx1000的矩阵。
经过训练神经网络，我使用剪枝-这是一种常见的压缩技术，以稀疏矩阵结束(非空参数密度在10 %到50%之间)。
目标：我想使用稀疏矩阵进行压缩，其次用于性能优化，但这不是主要目标。
问题：我正在比较不同批大小的稀疏矩阵乘法和密集矩阵乘法(只计算乘法时间)的性能，并观察到以下情况(使用特征3.2.8，MacBook Pro 64位，没有open_mp，使用标准g++)：
当B=1 (矩
浏览 3提问于2016-09-17得票数 5
回答已采纳
我试图从一组数字和分类的特性中训练支持向量机，例如：
距离X(数字)
距离Y(数字)
字体大小差异(数字)
单词1 Bold (布尔)
Word 2 Bold (布尔型)
字1字体大小(数字)
..。
对于将特性映射到特征数组，我将true视为1，false为0，然后使用Z-分数对整个功能数组进行规范化。
我是否应该对false as -1进行编码，以便它对支持向量的生成有数值上的影响，其值为0，而不修改所选向量(我假设)？
布尔特征应该以与数字一样的方式标准化，还是应该保留编码值？
浏览 0提问于2017-09-06得票数 5
3回答
虚系数回归因子
、、、
假设我在稀疏矩阵上有一个经过训练的glmnet模型，多个预测器包含不同级别的因素(因此也包括不同数量的虚拟预测器)。
df <- data.frame(y=runif(10), catVar=as.factor(sample(0:5,10,TRUE)))
A <- model.matrix(y ~ catVar,df)
train <- cv.glmnet(A[,c('catVar3', 'catVar4')], df$y)
coef(train, s="lambda.min")
转换虚拟系数/值或整体公式的最佳(最有效)方法
浏览 1提问于2015-09-10得票数 2
回答已采纳
我有以下矩阵：
A.toarray()
array([[0, 0, 0, ..., 0, 0, 0],
[0, 0, 0, ..., 0, 0, 0],
[0, 0, 0, ..., 0, 0, 0],
...,
[0, 0, 0, ..., 0, 0, 0],
[0, 0, 0, ..., 0, 0, 0],
[0, 0, 0, ..., 0, 0, 0]], dtype=int64)
type(A)
scipy.sparse.csr.csr_matrix
A.shape
(878049, 942)
浏览 1提问于2016-07-21得票数 4
回答已采纳
我有以下问题:设L是1和N之间的一个列表( (i，j)，w_i，j)，假设我们知道一对(i，j)(例如：(5,8))，是否有一种方法只从列表L中找到w_5,8？注意:如果我使用liste L而不是矩阵wi，我的代码会更好，因为它大部分是空的，所以我不想使用这样的矩阵。
提前感谢
浏览 0提问于2018-03-27得票数 0
回答已采纳
1回答
我有两个MySQL表，其中一个包含一组6,000个用户，另一个包含他们为产品提供的10000个评级。我想做一个特征向量矩阵，每一行都有一个特征向量矩阵，如果用户对特定产品(甚至是评分值)进行了评级，那么这些特征向量就表示用户为1或0。实现这一点的最佳方法是什么(还假设矩阵将是稀疏的？)。
我很好奇我可以使用工具(如MySQL或MATLAB)来测试什么实现--最终目的是执行相似用户的集群。不知何故，我认为一个10,000列的MySQL表不会让我的数据库管理员满意……完全没有。
浏览 1提问于2012-01-27得票数 0
1回答
为了训练CNN，我在观测[observations x width x length]上堆叠了一系列图像。数据集非常稀疏(95\%)。如何有效地存储这些矩阵
格式(如泡菜、拼盘)
结构(例如scipy.sparse.csr_matrix、列表列表)
浏览 0提问于2020-11-26得票数 0
回答已采纳
3回答
对于R，至少有两个稀疏矩阵包，我正在研究这些包，因为我处理的数据集太大，太稀疏，无法用密集的表示形式存储在内存中。我想要基本的线性代数例程，加上能够轻松地编写C代码来操作它们。哪个图书馆最成熟，最适合使用？
到目前为止我发现
有许多反向依赖，这意味着它是最常用的。
没有那么多反向设备。
各种图库可能都有自己的(隐式)版本；例如和 (后者是的一部分)。这些东西对我的需要来说太专业了。
有人有这方面的经验吗？
从搜索的角度来看，包似乎是最常见的。我经常认为相当权威，提到了矩阵和SparseM。
浏览 11提问于2009-07-22得票数 30
回答已采纳
1回答
我有一个名为cluster0Rand的整数列表，它对应于一个名为data的枕稀疏矩阵中的某些索引。
我想要创建一个新的赋值矩阵，它只包含行的索引在列表中？
例如,
data = csr_matrix([[1, 2, 0], [0, 0, 3], [4, 0, 5]])
cluster0Rand = [0,1]
预期的产出将是：
csr_matrix([[1, 2, 0], [0, 0, 3]])
如果真正的列表是由数千个索引组成的，而枕矩阵是(10000, 100000)，那么我如何有效地做到这一点呢？
浏览 1提问于2017-10-29得票数 0
回答已采纳
1回答
我有一个图的邻接权重矩阵。我想调用matlabbgl libaray的bellman ford算法。如何将矩阵转换为稀疏格式？
浏览 1提问于2011-06-14得票数 3
2回答
我正在寻找一个用Java编写的矩阵/线性代数库，它提供了一个可以从不同线程并发写入的稀疏矩阵。我遇到的大多数库要么根本不提供稀疏矩阵，要么提供1。)使用开放地址的散列映射或2来支持它们。)然后以CSR或CSC格式存储，这根本不适用于多线程结构。现在，我使用并发散列映射并行收集条目，并从单个线程填充稀疏矩阵，但这似乎是浪费资源(存储并发散列映射的空间，以及两次填充矩阵的时间)。
浏览 0提问于2011-06-01得票数 1
1回答
在字符串上掩蔽一个双倍
、、、
这是MatLab的一个问题.我有两个矩阵，一个是一个(5x1倍)：
1
2
3
1
3
第二个矩阵是(5x3字符串)，空格不显示字符：
a
bc
def
g
hij
我试图得到一个输出，以便创建一个(5x1字符串)，并从矩阵2的每一行输出第n个值，其中n是矩阵1中的值。我不知道如何使用面具来处理更大的问题。我的目标矩阵将包括以下内容：
a
c
f
g
j
非常感谢您的帮助！
浏览 3提问于2015-02-11得票数 1
回答已采纳
我正在努力理解切片稀疏矩阵的行为。 我有一个csr矩阵，表示M (0, 4136) 1
(0, 5553) 1
(0, 9089) 1
(0, 24104) 3
(0, 28061) 2 现在，我提取了索引(列)，并希望对其进行切片。从那个矩阵中我想要一个矩阵 (0, 4136) 1
(0, 5553) 1
(0, 9089) 1
(0, 24104) 3 和 (0, 28061) 2 现在如果我这么做了 M[0, training_set_index] 在哪里training_set_index=[4136,5553,9089, 241
浏览 50提问于2019-03-08得票数 0
2回答
我想用python做一个稀疏矩阵。我将非零元素的索引和值作为字典，即：
{((1,3),0.0001),(10,4),0.0212)...}
这意味着元素(1,3)的值是0.0001, (10,4)，是0.0212，等等，其余的都是零。
我想知道是否有任何有效的方法来形成这样一个稀疏矩阵，因为数据量是巨大的。矩阵的总维数是2,000 X 2,000,000，只有矩阵的8,000,000有值，其余的都是零。
谢谢，阿米尔
浏览 0提问于2014-03-31得票数 3
scipy.sparse.csr_matrix和scipy.sparse.lil_matrix有什么不同？这些矩阵表示稀疏矩阵，但我不知道有什么不同。
此外，使用lil_matrix或csr_matrix的每一个优点是什么？
浏览 4提问于2021-09-17得票数 3
首先，我尝试了一个具有以下大小的稀疏稠密乘法：
C1 [8692 x 8692] = A1 [8692 x 7000 sparse] x B1 [7000 x 8692]
它只需0.3秒。然后我又做了一个尺寸如下的：
C2 [8820 x 8820] = A2 [8820 x 32000 sparse] x B2 [32000 x 8820]
所需时间因稀疏矩阵中的内容而异，但从30秒到90秒不等。我能做些什么来加速它吗？如果可以减少运行时间，我可以以不同的方式分割矩阵，但我不确定性能问题是什么。
稀疏矩阵A1和A2是以CSR格式存储的，它们确实有一个不好的稀疏模式，但它们同样糟糕。下面的两个
浏览 7提问于2014-03-27得票数 1
回答已采纳
2回答
嗨，我试图从一个CSV中生成一个维数约为24,000的邻接矩阵，其中两列显示一对基因的组合，另一列为1's，以表示当前的interaction....My目标是使它成为正方形，并为不在这两列中的组合填充零。
我正在使用下面的Python脚本
import numpy as np
from scipy.sparse import coo_matrix
l, c, v = np.loadtxt("biogrid2.csv", dtype=(int), skiprows=0, delimiter=",").T[:3, :]
m =coo_matrix((l,
浏览 0提问于2018-10-01得票数 1
回答已采纳
2回答
我试图选择最佳的枕稀疏矩阵类型在我的算法中使用。在这种情况下，我应该以vij方式初始化数据，然后使用它来执行矩阵向量乘法。最后，我不得不添加行和科尔。试图为我的问题选择最好的，我想了解哪些是最好的情况使用这些类型: lil_matrix，coo_matrix，csr_matrix，csc_matrix，dok_matrix。有人能解释我吗？没有必要在同一答案中显示所有类型的示例。
浏览 0提问于2018-05-08得票数 11
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
