稀疏矩阵的元素智能

问题内容：

如何在scipy.sparse元素方面将矩阵提升为幂？numpy.power应该按照其手册执行此操作，但是在稀疏矩阵上失败：

>>> X
<1353x32100 sparse matrix of type '<type 'numpy.float64'>'
        with 144875 stored elements in Compressed Sparse Row format>

>>> np.power(X, 2)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File ".../scipy/sparse/base.py", line 347, in __pow__
    raise TypeError('matrix is not square')
TypeError: matrix is not square

同样的问题X**2。转换为密集数组是可行的，但是浪费了宝贵的时间。

我遇到了与相同的问题np.multiply，我使用稀疏矩阵的multiply方法解决了该问题，但似乎没有任何pow方法。

问题答案：

这有点底层，但是对于智能操作，您可以直接使用基础数据数组：

>>> import scipy.sparse
>>> X = scipy.sparse.rand(1000,1000, density=0.003)
>>> X = scipy.sparse.csr_matrix(X)
>>> Y = X.copy()
>>> Y.data **= 3
>>> 
>>> abs((X.toarray()**3-Y.toarray())).max()
0.0

稀疏矩阵的元素智能

微信关注