1回答
我有一个保存为.npz文件的numPy稀疏矩阵，我想将它加载到R中。这是我尝试过的： library(reticulate)npz_train <- np$load('netflix_matrix.npz')
df <- npz_train我知道它是一个稀疏矩阵，那么我如何才能将其读作一个矩阵呢？我想把NAs留在空
浏览 8提问于2020-12-06得票数 0
我不能把它加载到numpy中，因为它抛出了一个MemoryError。然而，该格式不能在scikit-learn中使用。有没有一种方法可以将csv读入到一个稀疏矩阵中，实际上可以被scikit-learn使用？将矩阵直接加载到numpy是通过以下方式完成的：
matr
浏览 0提问于2015-10-07得票数 0
2回答
假设我有一个巨大的块状矩阵，，，占几十千兆字节。分配这个内存需要不可忽略的时间.我是否可以将这些稀疏矩阵中的一个加载到A中，而不是每次我想将稀疏矩阵转换为密集矩阵时重新
浏览 0提问于2012-01-27得票数 1
回答已采纳
1回答
我有一个稀疏矩阵(从python函数接收)，我想将其转换为numpy矩阵。numpy矩阵不适合本地内存，我想把它放到pySpark中的RDD中。我一般不太熟悉Spark，因此我不知道如何将本地spase矩阵加载到RDD中。
浏览 2提问于2015-06-17得票数 1
保存到SQL或从SQL加载的大型稀疏矩阵数据与Numpy文件数据我想找到最快的方法来保存和加载我的矩阵分别当我的应用程序关闭和打开。在SQL Server DataBase表中管理<em
浏览 1提问于2020-10-10得票数 1
我正在使用python中的大型稀疏矩阵(从文本生成的文档特征矩阵)。这需要相当多的处理时间和内存来处理这些，我想稀疏矩阵可以提供一些改进。但我担心使用稀疏矩阵库会使插入其他python (和R，通过rpy2)模块变得更加困难。
已经跨过这座桥的人能提供一些建议吗？在python/R中使用稀疏矩阵在性能、可伸缩性和兼容性方面有什么优缺点？
浏览 5提问于2011-04-22得票数 8
回答已采纳
我用SVD将稀疏矩阵R分解成U，Sigma和Vt。我使用k= 20项。原始矩阵的形状是: 98720 x 24875，只有0和1的值。(np.min(R) = 0，np.max(R) = 1，np.mean(R) = 0.0003790496241336341，<98720x24875，<98720x24875型稀疏矩阵“<class‘numpy.Float 64’>‘，包含
浏览 0提问于2020-10-01得票数 1
2回答
存储和检索大型稀疏矩阵
、、、、
我有一个相当大的稀疏矩阵，我估计当加载到内存中时，它将占用1 1Gb。我不需要在任何时候访问整个矩阵，所以某种内存映射可以工作；但是，似乎不可能使用numpy或spicy (我熟悉的工具)对稀疏矩阵进行内存映射。也许有什么方法可以在两次运行之间将它保存在内存中？
那么，你的建议是: 1.找到一种方法来映射稀疏矩阵；2.每次只需将整个思维加载到内存中3.？
浏览 1提问于2013-04-16得票数 5
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。
我想知道哪些库可以更快地实现计算。它可以是Python、R
浏览 7提问于2014-07-04得票数 10
回答已采纳
我需要对libsvm格式的数据文件进行聚类，我知道我们可以使用X，y= sklearn.datasets.load_svmlight_file(dataFilename).加载数据这会将X作为稀疏矩阵返回有没有办法将数据加载到numpy数组中或将X转换为密集数组？注:数据格式如下:.... 谢谢
浏览 39提问于2020-06-12得票数 0
我有一个非常大的稀疏Numpy矩阵(类型为numpy.ndarray)。矩阵太大了，很可能必须存储在虚拟内存中。如何有效地将其转换为稀疏的枕木矩阵(来自scipy.sparse)(用于算术操作)？将dok_matrix更改为csr_matrix会导致相同的内存问题。In [1]: N=int(1e6)
In [3]: import nu
浏览 13提问于2022-08-19得票数 0
回答已采纳
下面是MATLAB内置函数spones(S)的docstring用非零稀疏矩阵元素代替非零稀疏矩阵元素。R= spones( S )生成的矩阵与S具有相同的稀疏结构，但具有非零位置的矩阵。我希望使用numpy/scipy数据结构(例如，来自scipy.sparse的稀疏矩阵)与此函数具有紧密的等价关系。我怎样才能有效地做到这一点？
浏览 4提问于2012-05-14得票数 3
回答已采纳
3回答
使用稀疏矩阵与numpy数组
、、、、
我用Python创建了一些带有字计数的numpy数组:行是文档，列是单词X的计数。如果我有大量的零计数，人们建议在进一步处理这些数组时使用稀疏矩阵，例如在分类器中。然而，当向Scikit 中输入numpy数组与稀疏矩阵时，它似乎没有多大区别。所以我想知道三件事：
稀疏矩阵是大多数元素为零的矩阵。这是否是确定何时使用稀疏矩阵格式的适当方法--只要> 5
浏览 5提问于2016-05-01得票数 46
回答已采纳
1回答
据我所知，numpy.sparse.csr_sparse.dot(other)确实将other从右乘到稀疏矩阵。A = numpy.sparse.csr_sparse(something)C = A.dot(B) #C = A*B
如何在不损失将矩阵保存为稀疏矩阵(即B*A等)的情况下，对两个矩阵进行交换以获得.tode
浏览 3提问于2013-10-30得票数 3
回答已采纳
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
1回答
构建scipy稀疏矩阵的最好方法之一是使用coo_matrix方法。:] are the row indices of the matrix entries但是，如果矩阵非常大，则将整个i，j和数据向量加载到存储器中是不现实的。Pickle是更好的选择，因为numpy.save/load没有针对scipy稀疏进行优化。也许还有另一种更快的格式。nump
浏览 3提问于2016-10-09得票数 0
1回答
稀疏矩阵商的确定
、、、、
我希望在python2.7中划分两个稀疏矩阵，本质上是k = numerator / denominator，其结果是sp.csr_matrix类型的稀疏矩阵。我正在使用scipy as sp和numpy as np。warn(&#x
浏览 1提问于2016-10-14得票数 0
回答已采纳
1回答
给定代码片段：其中A是CSR 的稀疏矩阵，M和T是两个numpy阵列。我还注意到，如果我将A格式更改为稠密，则此操作要慢得多，这与我的猜测有些矛盾。
浏览 3提问于2020-10-16得票数 0
回答已采纳
我有一个具有以下属性的numpy数组：(30000, 1000)
(0, 208) 0.107297742751numpy.savetxt('matrix.csv', matrix, delimiter=',')<ipython-input
浏览 3提问于2014-12-06得票数 2
回答已采纳
1回答
在R中加载NPZ稀疏矩阵
、、、、
如何读取我在R中将Python作为*.npz文件保存的稀疏矩阵？我已经在Stackoverflow上找到了两个答案，但在我的例子中，这两个问题似乎都没有完成。数据框架创建的： "data.npz", )np = import("
浏览 18提问于2022-06-27得票数 1
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
