我最近一直在研究稀疏矩阵。我的目标是以某种方式将图的邻接列表转换为CSR格式,定义如下:http://devblogs.nvidia.com/parallelforall/wp-content/uploads/2014/07/CSR.png。在
我看到的一个可能的选择是,我只需先构造一个NumPy矩阵,然后使用scipy.sparse.csr_matrix
对其进行转换。问题是,SciPy中的CSR与link中讨论的CSR有些不同。我的问题是,这是否只是一个差异,我需要编写自己的解析器,或者SciPy实际上可以转换为链接中定义的CSR。在
关于这个问题,假设我有一个矩阵:
matrix([[1, 1, 0],
[0, 0, 1],
[1, 0, 1]])
CSR格式由两个数组组成,列(C)和行(R)。我努力让自己看起来像:
^{pr2}$SciPy返回:
(0, 0) 1
(0, 1) 1
(1, 2) 1
(2, 0) 1
(2, 2) 1
其中第二列与我的C相同,但这是我对COO格式的理解,而不是CSR。(这是使用csr_matrix(adjacency_matrix)
函数完成的)。在
内部存储的内容和通过
print(A)
打印矩阵时所看到的内容是不同的(其中A
是csr_matrix
)。在在documentation中列出了属性。除此之外,还有以下三个属性:
您可以通过
A.data
、A.indices
和A.indptr
来访问(和操作)它们。在底线:scipy中的CSR格式是一种“真正的”CSR格式,您不需要编写自己的解析器(只要您不关心在您的情况下不必要的
data
数组)。另请注意:CSR format中的矩阵总是由三个数组表示,而不是两个数组。在
相关问题 更多 >
编程相关推荐