将稀疏方阵分割成块

如何解决将稀疏方阵分割成块

我有一个带状稀疏方阵 A，类型为 <class 'scipy.sparse.csr.csr_matrix'>，大小 = 400 x 400。我想将其拆分为大小为 200 x 200 的块方阵。比如第一个块

block1 = A[0:200,0:200]
block2 = A[100:300,100:300]
block3 = A[200:400,200:400]

关于切片的相同信息存储在元组列表中。

 [(0,200),(100,300),(200,400)]

关于如何拆分备用方阵的建议将非常有帮助。

解决方法

可以先转换成正则数组再拆分：

INSERT INTO tableB(ID)
SELECT ID
FROM tableA
WHERE VALUE = 0

如果你愿意，你可以将每个块转换回压缩矩阵：

from scipy.sparse import csr_matrix
import numpy as np

row = np.arange(400)[::2]
col = np.arange(400)[1::2]
data = np.random.randint(1,10,(200))
compressed_matrix = csr_matrix((data,(row,col)),shape=(400,400))

# Convert to a regular array
m = compressed_matrix.toarray()
# Split the matrix
sl = [(0,200),(100,300),(200,400)]
blocks = [m[i,i] for i in map(lambda x: slice(*x),sl)]

代码说明

块的创建基于 list comprehension 和基本切片。每个输入元组被转换为一个slice对象，只创建一系列行和列索引，对应于要选择的元素的索引；在这个答案中，这足以选择请求的块平方矩阵。使用扩展索引语法时会生成切片对象：明确地说，blocks_csr = list(map(csr_matrix,blocks)) 将创建一个等效于 a[start:stop:step] 的切片对象。在我们的例子中，它们用于根据我们要提取的矩阵动态更改要选择的索引。所以，如果你考虑第一个块，slice(start,stop,step) 等价于 m[i,i]。

切片对象是basic indexing的一种形式，所以创建的是原始数组的view，而不是副本（这意味着如果你修改视图，原始数组也会被修改：您可以使用 numpy 数组的 copy 方法轻松创建原始数据的副本）。

map 对象用于从输入元组生成切片对象； m[0:200,0:200] 将作为其第一个参数提供的函数应用于其第二个参数的所有元素。 map 用于创建匿名函数，即没有名称定义的函数。匿名函数对于完成您不想在标准函数中编码的特定任务非常有用，因为您不会重用它们或者您只需要很短的时间，就像在此代码的示例中一样。它们使代码更紧凑，而不是定义相应的函数。

lambda 称为 unpacking，即您从元组中提取、解包元素。假设你有一个函数 *x 和一个元组 f，那么 a = (1,2,3) 就等价于 f(*a)（如你所见，你可以把解包看作是去掉一层括号).

所以，回顾一下代码：

f(1,3)