检查两个scipy.sparse.csr_matrix是否相等。

Question

检查两个scipy.sparse.csr_matrix是否相等。

33

我希望检查两个csr_matrix是否相等。

如果我这样做：

x.__eq__(y)

我得到：

raise ValueError("The truth value of an array with more than one "
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all().

然而，这个很好用：

assert (z in x for z in y)

有没有更好的方法来做这个？也许可以使用一些scipy优化函数来代替？

非常感谢。

- omerbp

你尝试过(x==y).all()吗？只是猜测... - Christian K.

3

==和all不适用于稀疏矩阵的实际计算。大多数元素都是0。x==x会产生一个全为True的矩阵，这不再是稀疏矩阵。 - hpaulj

3个回答

1

SciPy和Numpy混合方法

对于我的情况来说，最好的方法是（使用通用代码示例）：

bool_answer = np.arrays_equal(sparse_matrix_1.todense(), sparse_matrix_2.todense())

你可能需要注意np.arrays_equal中的equal_nan参数。

以下文档参考资料帮助我理解： CSR稀疏矩阵方法 CSC稀疏矩阵方法 Numpy arrays_equal方法 SciPy todense方法

- Thom Ives

0

我建议使用以下方法进行快速比较。但是，这需要两个矩阵都有排序的索引（通过.sort_indices()）。

(len(x.indices) == len(y.indices)
    and np.all((x.indices - y.indices) == 0)
    and np.allclose((x.data - y.data), 0)

- Amir Ebrahimi

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- hpaulj · Accepted Answer

我们可以假设它们是相同的形状吗？

In [202]: a=sparse.csr_matrix([[0,1],[1,0]])
In [203]: b=sparse.csr_matrix([[0,1],[1,1]])
In [204]: (a!=b).nnz==0   
Out[204]: False

这个函数检查不等式数组的稀疏性。

如果尝试使用a==b（至少第一次使用）会收到效率警告。那是因为它必须测试所有这些零。它不能充分利用稀疏性。

您需要一个相对较新的版本才能使用像这样的逻辑运算符。您是在某个if表达式中尝试使用x.__eq__(y)，还是仅从该表达式中获得错误？

通常，您可能需要先检查几个参数。相同的shape，相同的nnz，相同的dtype。对于浮点数，您需要小心。

对于密集数组，np.allclose是测试相等性的好方法。如果稀疏数组不太大，那也可能是很好的方法。

np.allclose(a.A, b.A)

allclose 使用 all(less_equal(abs(x-y), atol + rtol * abs(y)))。你可以使用 a-b，但我怀疑这也会产生效率警告。