如何使用Python（可能还有Scipy）估计一个巨大的、稀疏的csr_矩阵的秩？

Question

我有一个巨大的scipy.sparse.csr.csr_matrix类型的稀疏矩阵，我需要估计它的秩。我发现this on scipy.org似乎非常适合这份工作，但它不支持csr_matrix

from scipy.sparse import load_npz
from scipy.linalg.interpolative import estimate_rank

X = load_npz("https://drive.google.com/uc?export=download&id=1SSR6JWEqG4DXRU9qo78682D9pGJF3Wr0")
print("Rank:", estimate_rank(X, eps=100))

TypeError:无效的输入类型（必须是数组或LinearRoperator）

稀疏矩阵有超过50K行和近40K列。首先，将其转换为numpy数组似乎毫无意义。我该怎么做才能让它工作

---

下面的方法也不起作用

from scipy.sparse import load_npz, linalg
from scipy.linalg.interpolative import estimate_rank

X = load_npz("https://drive.google.com/uc?export=download&id=1SSR6JWEqG4DXRU9qo78682D9pGJF3Wr0")
print("Rank:", estimate_rank(linag.aslinearoperator(X), eps=100))

ValueError回溯（最近一次调用上次） 在（） 3. 4份打印件（类型（X）） ----&燃气轮机；5打印（“文件术语矩阵的秩：”，估计秩（aslinearoperator（X），eps=1））

1帧 /idd中的usr/local/lib/python3.6/dist-packages/scipy/linalg//u interpolative\u backend.py（eps、m、n、matvect） 659:rtype:int 660 """ -->；661 k，ra，ier=_id.idd_find（eps，m，n，matvect） 662如有： 663上升重新编码错误

ValueError:未能创建意图（缓存|隐藏）|可选数组--必须已定义维度，但已获取（-1216667648，）

Answer 1

我使用过稀疏，但没有使用estimate_rank。但我可以阅读错误和文档

In [23]: from scipy import sparse                                                                      
In [24]: from scipy.sparse import linalg                                                               
In [25]: M = sparse.random(100,100,.2, 'csr')   

In [36]: inter.estimate_rank(M,.001)                                                                   
                                     -
...
TypeError: invalid input type (must be array or LinearOperator)

测试阵列选项：

In [37]: inter.estimate_rank(M.A,.1)                                                                   
Out[37]: 100

测试线性构造器选项：

In [38]: from scipy.sparse import linalg                                                               
In [39]: L = linalg.aslinearoperator(M)                                                                
In [40]: L                                                                                             
Out[40]: <100x100 MatrixLinearOperator with dtype=float64>
In [41]: inter.estimate_rank(L,.001)                                                                   
Out[41]: 99