Question

我正在寻找与scipy offer（numpy.prod）的稀疏表示一起使用的等效scipy.sparse。具体来说，我正在尝试沿单轴计算产品。我可以通过首先转换为密集（M.todense().prod(axis=0)）来实现，但我正在寻找更高效的东西。

Answer 1

对于每列的prod减少操作，即axis=0，对于具有所有非零的列，我们只有非零输出。我们可以使用这个事实来制作一个自定义推出版本，如此 -

def sparse_prod_axis0(A):
    # Valid mask of row length that has all non-zeros along each col
    valid_mask = A.getnnz(axis=0)==A.shape[0] # Thanks to @hpaulj on this!

    # Initialize o/p array of zeros
    out = np.zeros(A.shape[1],dtype=A.dtype)

    # Set valid positions with prod of each col from valid ones
    out[valid_mask] = np.prod(A[:,valid_mask].A,axis=0)
    return np.matrix(out)

示例运行 -

In [92]: from scipy.sparse import csr_matrix
    ...: a = np.random.randint(0,4,(5,10))
    ...: A = csr_matrix(a)
    ...: 

In [93]: (A.todense().prod(axis=0))
Out[93]: matrix([[ 0,  0,  6, 48,  0,  0,  0,  0, 72,  0]])

In [94]: sparse_prod_axis0(A)
Out[94]: matrix([[ 0,  0,  6, 48,  0,  0,  0,  0, 72,  0]])

稀疏矩阵的scumpy等价于numpy.prod（）

1 个答案: