将行向量转换为稀疏矩阵的 inptrs 的快速向量化方法？答案

【问题标题】：Fast vectorized way to convert row vector to inptrs for sparse matrix?将行向量转换为稀疏矩阵的 inptrs 的快速向量化方法？
【发布时间】：2021-01-02 21:45:16
【问题描述】：

对于稀疏矩阵，我们通常传入列索引 (indices) 和一个索引indices 向量的indptr 向量，因此indices[indptr[i]:indptr[i+1]] 是稀疏矩阵中i 行的元素。

是否有一个快速的、矢量化的、最好是 numpy 的解决方案来转换连续的向量在 Python 中将行索引转换为 indptr？

例如，如果这是我的 rows 索引向量：[0,1,1,2,2,2,3,5]...

indptr 向量将是 [0,1,3,6,7,7,8]，其中 7 重复，因为行向量缺少第 4 行。

我可以用一个简单的循环来做到这一点：

for i in range(len(rows)):
    indptr[rows[i]+1] += 1
    indptr=np.cumsum(indptr)

但我想知道是否有更快的矢量化方式来做到这一点？

【问题讨论】：

在您的代码中，rows 是什么，indptr 的初始值是什么？不清楚[0,1,3,6,7,7,8]是如何从[0,1,1,2,2,2,3,5]构造的
@Ehsan rows 是数据的行索引，从上到下排序。因此，如果矩阵看起来像 [[1, 2], [3, 4]]，则数据数组将为 [1, 2, 3, 4]，行索引将为 [0, 0, 1, 1]，并且列索引应该是 [0, 1, 0, 1]。转换为 indptrs 的行索引将为 [0, 2, 4]。
请查看发布的答案是否是您想要的。如果是，请随意接受。如果没有，请详细说明您如何构造数组indptr

标签： python arrays numpy scipy sparse-matrix

【解决方案1】：

我认为您正在寻找的是：

np.bincount(rows).cumsum()
#[1 3 6 7 7 8]

如果矩阵底部有可能为空的行，只需将其作为参数添加到bincount（根据@CJR 的建议）：

np.bincount(rows, minlength=num_rows).cumsum()
#[1 3 6 7 7 8]

您可能还想在前面插入一个0。 bincount 所做的是计算每个 bin/row 中的元素数量，然后 cumsum 将它们相加。这样，您也将包含丢失的箱/行。

插入 0 的最佳方法可能是这样：

np.bincount(np.array(rows)+1).cumsum()
#[0 1 3 6 7 7 8]

或者你可以直接通过：

np.insert(np.bincount(rows).cumsum(),0,0)
#[0 1 3 6 7 7 8]

【讨论】：

@narcissa 欢迎您。请查看stackoverflow.com/help/someone-answers，了解如何接受关于 SO 的答案。谢谢。
确保将 bincount 中的 minlength 设置为矩阵中的 # 行，否则您将错过 indptr 数组末尾的空行。

【解决方案2】：

另一个想法是

n = len(rows)
indptr = np.searchsorted(rows, np.arange(-1,n), side='right')

不确定哪个更快/更好

【讨论】：