将scipy稀疏矩阵转换为cvxopt spmatrix？

Question

我需要将一个scipy稀疏矩阵转换为cvxopt的稀疏矩阵格式，即spmatrix，但目前还没有找到任何方法（当然，这个矩阵太大了，无法转换为密集矩阵）。有什么想法可以解决这个问题吗？

- Elizabeth Orrico

Answer 1

更全面的答案是结合 hpaulj的回答和 OferHelman的回答。

def scipy_sparse_to_spmatrix(A):
    coo = A.tocoo()
    SP = spmatrix(coo.data.tolist(), coo.row.tolist(), coo.col.tolist(), size=A.shape)
    return SP

定义形状变量会保留 SP 上 A 的维度。我发现，在没有这个额外步骤的情况下，任何在 scipy 稀疏矩阵中结尾为零的列都会丢失。

- Mtap1

Answer 2

从http://maggotroot.blogspot.co.il/2013/11/constrained-linear-least-squares-in.html获取

coo = A.tocoo()
SP = spmatrix(coo.data, coo.row.tolist(), coo.col.tolist())

- Ofer Helman

---

你还需要调用 coo.data.tolist() - benbo

Answer 3

来自http://cvxopt.org/userguide/matrices.html#sparse-matrices

cvxopt.spmatrix(x, I, J[, size[, tc]])

看起来很像 scipy.sparse

coo_matrix((data, (i, j)), [shape=(M, N)])

我的猜测是，如果A是以coo格式表示的矩阵，那么

cvxopt.spmatrix(A.data, A.row, A.col, A.shape)

这应该可以工作。（我没有安装cvxopt来测试。）

- hpaulj