遍历scipy.sparse向量（或矩阵）

小编典典

遍历scipy.sparse向量（或矩阵）

python

我想知道最好的方法是用scipy.sparse迭代稀疏矩阵的非零条目。例如，如果我执行以下操作：

from scipy.sparse import lil_matrix

x = lil_matrix( (20,1) )
x[13,0] = 1
x[15,0] = 2

c = 0
for i in x:
  print c, i
  c = c+1

输出是

0 
1 
2 
3 
4 
5 
6 
7 
8 
9 
10 
11 
12 
13   (0, 0) 1.0
14 
15   (0, 0) 2.0
16 
17 
18 
19

因此看来迭代器正在接触每个元素，而不仅仅是非零条目。我看过API

http://docs.scipy.org/doc/scipy/reference/generation/scipy.sparse.lil_matrix.html

并搜索了一下，但是我似乎找不到有效的解决方案。

阅读 211

2020-12-20

共1个答案

小编典典

编辑：bbtrb的方法（使用coo_matrix）是远远超过我原来的建议更快，使用非零。Sven
Marnach的使用建议itertools.izip也提高了速度。目前最快的是using_tocoo_izip：

import scipy.sparse
import random
import itertools

def using_nonzero(x):
    rows,cols = x.nonzero()
    for row,col in zip(rows,cols):
        ((row,col), x[row,col])

def using_coo(x):
    cx = scipy.sparse.coo_matrix(x)    
    for i,j,v in zip(cx.row, cx.col, cx.data):
        (i,j,v)

def using_tocoo(x):
    cx = x.tocoo()    
    for i,j,v in zip(cx.row, cx.col, cx.data):
        (i,j,v)

def using_tocoo_izip(x):
    cx = x.tocoo()    
    for i,j,v in itertools.izip(cx.row, cx.col, cx.data):
        (i,j,v)

N=200
x = scipy.sparse.lil_matrix( (N,N) )
for _ in xrange(N):
    x[random.randint(0,N-1),random.randint(0,N-1)]=random.randint(1,100)

产生以下timeit结果：

% python -mtimeit -s'import test' 'test.using_tocoo_izip(test.x)'
1000 loops, best of 3: 670 usec per loop
% python -mtimeit -s'import test' 'test.using_tocoo(test.x)'
1000 loops, best of 3: 706 usec per loop
% python -mtimeit -s'import test' 'test.using_coo(test.x)'
1000 loops, best of 3: 802 usec per loop
% python -mtimeit -s'import test' 'test.using_nonzero(test.x)'
100 loops, best of 3: 5.25 msec per loop

2020-12-20