VSTACK scipy.sparse.csr.csr_matrix в одну матрицу csr

Недавно я изо всех сил пытался работать с разреженными матрицами и складывать их в одну матрицу. Я использовал для создания нескольких объектов csr_matrix

vec_list = sp.sparse.csr_matrix(my_vec_i) # every vector of shape (1,200)

И после того, как vec_list состояло примерно из 100 разреженных матриц, я использовал функцию sp.vstack scipy (НЕ numpy), чтобы объединить все 100 записей в матрицу csr формы (100, 200).

Теперь в моих текущих настройках (python 3.8) я вижу предупреждение о том, что sp.vstack будет объявлен устаревшим, но в любом случае, независимо от того, использовал ли я функциональность vstack numpy или scipy, в итоге у меня появился < strong>массив формы (100,1), где мои 200 столбцов рассматриваются как 1 запись csr_matrix в первом и единственном столбце.

В моих старых фрагментах кода я мог видеть, что sp.vstack(vec_list) создал разреженную матрицу crs формы (100 200). Я что-то пропустил, есть ли у кого-нибудь мысли по этому поводу? Я немного отчаялся создать свою сложенную разреженную матрицу .. всем спасибо

Редактировать: как вы можете видеть ниже в моем комментарии, np.vstack и sp.vstack не обязательно делают одно и то же (в своем ответе я дважды огорчил np.vstack, но я имел в виду sp.vstack один раз). Я использовал точное решение (скопированное), и в какой-то момент оно вернуло ошибку, так как стекирование не происходило. Чтобы использовать sp.stacking, я сложил массивы, отличные от csr_matrix, а затем преобразовал их в csr_matrix. Это неосуществимо при использовании огромных наборов массивов, но, по крайней мере, я мог без проблем просмотреть файл. Чтобы ответить на приведенный ниже ответ от Тину, я не смог решить его таким образом, так как результат выглядит следующим образом - при выполнении кода примера:

>>> np.vstack(vec_list).shape
(100, 1)
>>> sp.vstack(vec_list).shape
(100, 200)

Питон 3.8.2, Сципи 1.4.1


python scipy csr matrix
person Guenter    schedule 08.05.2020    source источник
comment
Нам будет проще понять вашу проблему, если вы явно покажете, как вы определяете sp. Я предполагаю, что вы сделали import scipy as sp. Если это так, то sp.vstack — это точно такая же функция, как numpy.vstack. Путаница, вызванная этим дублированием, является одной из причин того, что включение пустых имен в пространство имен scipy устарело. Для разреженных матриц вам нужно scipy.sparse.vstack, как в ответе @Tinu.   -  person Warren Weckesser    schedule 08.05.2020
comment
Спасибо за разъяснение. Я разместил окончательный ответ ниже   -  person Guenter    schedule 12.05.2020

Ответы (2)


arrow_upward
2
arrow_downward

к сожалению, я не могу воспроизвести вашу ошибку. Вот мой код:

from scipy.sparse import csr_matrix, vstack
import numpy as np

vec_list = []
for i in range(100):
    vec_list.append(csr_matrix(np.random.randint(2,size=(1,200))))
vec_mat = vstack(vec_list)
vec_mat.shape

Выход:

(100, 200)

Я использую python 3.8.2 и scipy 1.4.1.

person Tinu    schedule 08.05.2020
comment
интересно, спасибо! Я еще посмотрю на это - person Guenter; 08.05.2020
comment
Я не могу объяснить, почему мы видим разные результаты.. ››› vec_list = [] ››› for i in range(100): ... vec_list.append(csr_matrix(np.random.randint(2,size=(1,200)) ))) ... ››› ››› a = np.vstack(vec_list) ››› b = np.vstack(vec_list) ››› a.shape, b.shape ((100, 1), (100 , 1)) - person Guenter; 11.05.2020
comment
Взгляните на первый комментарий @Warren Weckesser под вашим вопросом. Я использую scipy.sparse.vstack, тогда как вы используете numpy.vstack, эти две функции не будут возвращать одно и то же для разреженных массивов. - person Tinu; 11.05.2020

arrow_upward
0
arrow_downward

К сожалению, я не смог увидеть такой же результат, как указано выше, — используя мой Python 3.8.3rc1. Копирование кода и стекирование приводят к следующему:

>>> np.vstack(vec_list).shape # (100, 1)
>>> sp.vstack(vec_list).shape # (100, 1)

Что я сделаю, чтобы обойти свою проблему: я сложу массивы, отличные от csr_matrix, а затем преобразую их в csr_matrix. в любом случае спасибо!

person Guenter    schedule 12.05.2020