如何对稀疏矩阵列表求和？

Posted 2023-03-12

【中文标题】如何对稀疏矩阵列表求和？

【英文标题】：How to sum a list of sparse matrices?

【发布时间】：2022-01-03 11:35:30

【问题描述】：

我试图弄清楚如何有效地将存储在列表中的 .csr_matrix 稀疏矩阵求和。问题来了：

List_=list_of_sparse matrices
I tried the following
result=np.sum(List_)

但我遇到了错误！

我该怎么做？任何帮助将不胜感激

【问题讨论】：

如果您需要真正的帮助，请提供一个实际示例（例如minimal reproducible example）。还用回溯显示错误！！！也就是说，稀疏矩阵不是为有效加法而设计的。不改变稀疏性的数学是可以的，因为它可以专注于data 属性。矩阵乘法也很不错。但是像 sum 这样的事情需要弄清楚非零匹配的位置等等。

一种可能性是将所有矩阵转换为coo 格式，然后连接它们的属性（行、列、数据）。用这些创建一个新的coo，并让转换为csr 执行添加。

【参考方案1】：

你可以循环列表：

import numpy as np

List_ = [
    np.matrix([[0,0,0],[0,1,0],[0,0,0]]),
    np.matrix([[0,1,0],[0,0,0],[0,0,0]]),
    np.matrix([[0,0,0],[0,0,0],[0,1,0]]),
]

sum_in = np.matrix(
    [[0,0,0],[0,0,0],[0,0,0]]
)

for mat in List_:
    sum_in += mat

print(sum_in)

【讨论】：

感谢@Ammar，但是如何为稀疏矩阵创建 sum_in？

您可能需要事先将其转换为完整矩阵或查看 scipy 包 docs.scipy.org/doc/scipy/reference/sparse.html ***.com/questions/36969886/…

【参考方案2】：

例如，您有一个这样的稀疏矩阵列表：

from scipy.sparse import csr_matrix
import numpy as np
np.random.seed(111)

List_ = [csr_matrix(np.random.binomial(1,0.5,(2,2))) for i in range(3)]

如果你的数组很大，尽量不要把它转成dense（内存问题），已经有加法的方法，所以只需要reduce即可：

from functools import reduce
result = reduce(lambda x,y:x+y,List_)
result.toarray()
array([[1, 0],
       [1, 1]])

正如@AmmarAslam 所说，您可以将其转换为密集和求和：

[i.toarray() for i in List_]
[array([[1, 0],
    [0, 1]]),
 array([[0, 0],
        [0, 0]]),
 array([[0, 0],
        [1, 0]])]

总结起来就是：

np.add.reduce([i.toarray() for i in List_])

array([[1, 0],
       [1, 1]])