scipy.sparse.coo_matrix.max
返回每行或列的最大值,给定一个轴。我想知道的不是最大值,而是每行或列最大值的索引。目前还没找到一种有效的方法来实现这个功能,所以我欢迎任何帮助。
scipy.sparse.coo_matrix.max
返回每行或列的最大值,给定一个轴。我想知道的不是最大值,而是每行或列最大值的索引。目前还没找到一种有效的方法来实现这个功能,所以我欢迎任何帮助。
moo._min_or_max_axis
其中 moo
是一个 coo_matrix
。
mat = mat.tocsc() # for axis=0
mat.sum_duplicates()
major_index, value = mat._minor_reduce(min_or_max)
not_full = np.diff(mat.indptr)[major_index] < N
value[not_full] = min_or_max(value[not_full], 0)
mask = value != 0
major_index = np.compress(mask, major_index)
value = np.compress(mask, value)
return coo_matrix((value, (np.zeros(len(value)), major_index)),
dtype=self.dtype, shape=(1, M))
根据偏好轴,它更倾向于使用csc而不是csr。我还没有时间分析这个问题,但我猜想在计算中包括argmax
应该是可能的。
这个建议可能行不通。关键是mat._minor_reduce
方法,它在某种程度上进行了精细处理:
ufunc.reduceat(mat.data, mat.indptr[:-1])
ufunc应用于data数组的块,使用indptr定义块。 np.sum,np.maxiumum都是可以使用这种方法的ufunc。我不知道有没有相当于argmax ufunc的功能。
通常,如果您想对csr矩阵(或csc的col)按“行”进行操作,则必须迭代行,这相对昂贵,或使用此ufunc.reduceat在平面mat.data向量上执行相同的操作。
在numpy中对分区索引执行group argmax / argmin尝试执行argmax.reduceat。那里的解决方案可能适用于稀疏矩阵。
csr_matrix
和csc_matrix
都支持argmax()
和argmin()
方法。A
是您的scipy.sparse.coo_matrix
,那么您可以按如下方式获取最大值的行和列:I=A.data.argmax()
maxrow = A.row[I]
maxcol=A.col[I]
from scipy.sparse import coo_matrix
import numpy as np
row = np.array([0, 3, 1, 0])
col = np.array([0, 2, 3, 2])
data = np.array([-3, 4, 11, -7])
A= coo_matrix((data, (row, col)), shape=(4, 4))
print A.toarray()
nrRows=A.shape[0]
maxrowind=[]
for i in range(nrRows):
r = A.getrow(i)# r is 1xA.shape[1] matrix
maxrowind.append( r.indices[r.data.argmax()] if r.nnz else 0)
print maxrowind
r.nnz
是显式存储值的计数(即非零值)
在@hpaulj和@joeln的答案基础上,结合numpy中对分区索引求最大值/最小值的群组提供的代码,此函数将计算CSR列的argmax或CSC行的argmax:
import numpy as np
import scipy.sparse as sp
def csr_csc_argmax(X, axis=None):
is_csr = isinstance(X, sp.csr_matrix)
is_csc = isinstance(X, sp.csc_matrix)
assert( is_csr or is_csc )
assert( not axis or (is_csr and axis==1) or (is_csc and axis==0) )
major_size = X.shape[0 if is_csr else 1]
major_lengths = np.diff(X.indptr) # group_lengths
major_not_empty = (major_lengths > 0)
result = -np.ones(shape=(major_size,), dtype=X.indices.dtype)
split_at = X.indptr[:-1][major_not_empty]
maxima = np.zeros((major_size,), dtype=X.dtype)
maxima[major_not_empty] = np.maximum.reduceat(X.data, split_at)
all_argmax = np.flatnonzero(np.repeat(maxima, major_lengths) == X.data)
result[major_not_empty] = X.indices[all_argmax[np.searchsorted(all_argmax, split_at)]]
return result
如果任何行(CSR)或列(CSC)完全稀疏(即,在X.eliminate_zeros()
之后完全为零),则它将返回-1作为argmax。
最新版本的numpy_indexed软件包(免责声明:我是该软件包的作者)可以以高效而优雅的方式解决这个问题:
import numpy_indexed as npi
col, argmax = group_by(coo.col).argmax(coo.data)
row = coo.row[argmax]
argmax()
用于scipy.sparse
矩阵。然而,我发现它对于大矩阵来说速度相当慢,所以我看了一下源代码。逻辑非常聪明,但它包含一个python循环,使事情变慢。例如,将源代码缩减为每行的argmax(牺牲所有通用性、形状检查等等,以简化代码),并使用numba
进行装饰可以获得一些良好的速度改进。
这是函数:
import numpy as np
from numba import jit
def argmax_row_numba(X):
return _argmax_row_numba(X.shape[0], X.indptr, X.data, X.indices)
@jit(nopython=True)
def _argmax_row_numba(shape, indptr, data, indices):
# prep an array to hold the indices
ret = np.zeros(shape)
# figure out which lines actually contain data
nz_lines, = np.diff(indptr).nonzero()
# loop through the lines
for i in nz_lines:
p, q = indptr[i: i + 2]
line_data = data[p: q]
line_indices = indices[p: q]
am = np.argmax(line_data)
ret[i] = line_indices[am]
return ret
from scipy.sparse import random
size = 10000
m = random(m=size, n=size, density=0.0001, format="csr")
n_vals = m.data.shape[0]
m.data = np.random.random(size=n_vals).astype("float")
# the original scipy implementation reformatted to return a np.array
maxima1 = np.squeeze(np.array(m.argmax(axis=1)))
# calling the numba version
maxima2 = argmax_row_numba(m)
# Check that the results are the same
print(np.allclose(maxima1, maxima2))
# True
%timeit m.argmax(axis=1)
# 30.1 ms ± 246 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
%timeit argmax_row_numba(m)
# 211 µs ± 1.04 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)