在这种情况下，我需要从稀疏矩阵中提取一行，并将其与密集行的点积相乘。使用scipy的csr_matrix，这似乎比使用numpy的密集数组乘法要慢得多。这让我大吃一惊，因为我预计稀疏点积涉及的操作会少得多。下面是一个示例：
sparse_setup = 'import
浏览 2提问于2015-11-20得票数 3
1回答
复杂的矩阵乘法
、、、、
我有一个(密集)矩阵n x n x m和一个稀疏向量(scipy.sparse) 1 x m。如果我们看一下我的密集n x n x m矩阵，它可以被解释为一个n x n矩阵，每个位置都有一个m x 1的向量。现在我想计算稀疏向量的点积，n x n矩阵中的每个m x 1密集向量产生一个包含所有这
浏览 2提问于2016-05-18得票数 1
1回答
假设我们有一个大小为NxN的矩阵A，A是稀疏的，而N非常大。所以我们自然而然地希望存储的是scipy稀疏矩阵。有没有比
浏览 1提问于2016-09-17得票数 0
2回答
我正在尝试向稀疏矩阵添加一个numpy ndarray，但我一直没有成功。我想知道是否有一种方法可以做到这一点，而不是将我的稀疏矩阵转换为密集矩阵。 y = x + bias
其中x是我的稀疏矩阵，bias是numpy数组。我得到的错误
浏览 2提问于2013-01-10得票数 0
3回答
所以，我使用非常稀疏的numpy数组来做一些Kmeans分类--很多很多的零。我想我应该使用scipy的'sparse‘包来减少存储开销，但我对如何创建数组而不是矩阵感到有点困惑。我已经阅读了有关如何创建稀疏矩阵的教程：
为了模拟一个数组，我只创建了一个1xN矩阵，但正如您可能猜到的那样，Asp.dot(Bsp)并不能很好地工作，因为您不能将两个1xN矩阵相乘。我必须将每
浏览 2提问于2010-03-30得票数 52
回答已采纳
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。
为了做到这一点，我遵循取分子的点积和分母的逆的线性格式。这两个项目都是sp.csr_matrix(([],([],[])),shape=
浏览 1提问于2016-10-14得票数 0
回答已采纳
1回答
我想检查两个稀疏数组是否(几乎)相等。而对于numpy数组，您可以这样做：np.testing.assert_array_almost_equal(a, a)
这不适用于稀疏数组，我可以理解这一点(对于较小的矩阵返回error AttributeError: ravel not found，或者返回与数组大小相关的错误)。是否有一个等价于测试稀疏</e
浏览 3提问于2017-12-12得票数 2
回答已采纳
1回答
求解密集点稀疏
、、、
我有稀疏矩阵S with 39840 stored elements inCOOrdinate format>Out[7]: (1, 14940) with 39840 stored elements in COOrd
浏览 4提问于2018-07-04得票数 0
3回答
我有两个M×N矩阵，这是我从图像中提取数据后构造的。这两个向量都有很长的第一行，在第三行之后，它们都只成为第一列。例如，原始向量如下所示12,4,5,5,1,2这两个向量都有类似的模式，前三行有很长的行，然后随着进程的进行而变得稀疏。做余弦相似度，我在考虑使用填充技术来添加零，并使这两个向量N×N。我查看了余弦相似度的Python选项，但一些示例
浏览 1提问于2012-07-10得票数 1
回答已采纳
1回答
Scipy稀疏行/列点积
、、、
使用scipy计算稀疏矩阵的两列或两行之间的点积的可读性和高效方法是什么？假设我们想要取两个向量x和y的点积，两列稀疏矩阵A，那么我现在正在做： y = A.getcol(j)
dot = (x.transpose()有没有一种在不牺牲效率的情况下获得点积的更具可读性<em
浏览 2提问于2013-02-14得票数 2
回答已采纳
1回答
对于我的情况，它是40000*40000元素，我只需要这个矩阵来计数特征值。A=np.array([((Nx-2)(Nz-2))[1/4],((Nx-2)(Nz-2))[1/2],((Nx-2)(Nz-2))[2],((Nx-2)(Nz-2))[1/2]-2)*(Nz-2), (Nx-2)*(Nz-2)).toarray()
File "C:\Users\mr_lu\PycharmProjects\2d\venv\lib\si
浏览 0提问于2018-06-29得票数 1
回答已采纳
2回答
我想使用Python来解决以下情况(最好使用numpy和scipy)：
如何在Python中实现这一点？我知道我可以使用scipy.sparse.coo_matrix将文档表示为稀疏向量，并使用<e
浏览 3提问于2013-08-07得票数 3
回答已采纳
我试图计算存储在COO-稀疏格式( SciPy)中的两个矩阵的Hadamard积。有一个可以读取
我理解和部分，因为我们可以连接matrix.row，matrix.column和matrix.data。不过，我想，通过利用COO结构计算Hadamard/entry积(可能需要匹配坐标并应用"&")实际上并不
浏览 0提问于2019-06-25得票数 1
我有一个来自epinion数据集的.txt文件，它是一个稀疏表示(即，23 387 5表示“用户23已经将项目387评为5”的事实)。从这个稀疏格式，我想把它转换成它的密集表示，这样我就可以对它进行矩阵分解。
我已经从numpy加载了带有loadtxt()的文件，它是一个[664824, 3]数组。我使用scipy.sparse.csr_matrix将其传输到numpy</
浏览 8提问于2019-11-01得票数 1
回答已采纳
2回答
稀疏最小二乘回归
、、、
我试图拟合线性回归Ax = b，其中A是稀疏矩阵，b是稀疏向量。我尝试过scipy.sparse.linalg.lsqr，但是很明显，b需要是一个numpy (密集)数组。如果我真的跑了A = scipy.sparse.coo_matrix(A)b = scipy.sparse.coo_matrix(b)
s
浏览 6提问于2015-08-08得票数 2
3回答
假设我有Numpy数组p和一个稀疏矩阵q，这样(10,)(10,100)>>> np.dot(p,q) File "/usr/local/lib/python2.7我在上看
浏览 4提问于2015-06-25得票数 1
回答已采纳
1回答
python中的不等矩阵叠加
、、、、
有人能告诉我如何连接两个不相等的numpy数组(一个稀疏数组和一个密集数组)。我试着使用h堆栈/v堆栈，但是一直得到维度错误。from scipy import sparse m=(coo_matrix(X_new)) # is a(7395,50000) sparse array
a=(other) # is a (7395,20) dense
浏览 6提问于2013-09-16得票数 0
回答已采纳
1回答
点积稀疏矩阵
、、、、
在python中有两个稀疏矩阵(a和b)，它们具有以下维度： with 439309 stored elements in Compressed Sparse Row format>
问题：我想得到长度为240760的列向量，这是两个矩阵的逐行
浏览 2提问于2016-04-22得票数 7
回答已采纳
我有一个很大的(100K X 30K)和(非常)稀疏的svmlight格式的数据集，我按如下方式加载：from scipy.cluster.vq import kmeans2from scipy.spatial.distance import pdist, squareform
from sklearn.datasets import load_svmlight_fileX,Y = load_svmlight_f
浏览 2提问于2012-01-22得票数 5
2回答
稀疏矩阵线性规划
、、、
我想在python中解决一个线性规划。变量数(从现在起称为N)非常大(~50000)，为了按照scipy.optimize.linprog要求的方式来表述这个问题，我必须构造两个N矩阵(A和B )。., n}我的经验是，构建这样大的矩阵(A和B都有)。对于NumPy必须处理的大量数据来说，这是很自然的。
然而，即使我的</em
浏览 0提问于2016-01-15得票数 8
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
