scipy.sparse 矩阵的元素功率答案

【问题标题】：Element-wise power of scipy.sparse matrixscipy.sparse 矩阵的元素功率
【发布时间】：2011-09-19 20:49:09
【问题描述】：

如何将scipy.sparse 矩阵提升到元素级的幂？ numpy.power 应该根据its manual 执行此操作，但它在稀疏矩阵上失败：

>>> X
<1353x32100 sparse matrix of type '<type 'numpy.float64'>'
        with 144875 stored elements in Compressed Sparse Row format>

>>> np.power(X, 2)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File ".../scipy/sparse/base.py", line 347, in __pow__
    raise TypeError('matrix is not square')
TypeError: matrix is not square

X**2 也有同样的问题。转换为密集数组可以，但会浪费宝贵的时间。

np.multiply 也遇到了同样的问题，我使用稀疏矩阵的multiply 方法解决了这个问题，但似乎没有pow 方法。

【问题讨论】：

我对 numpy 不够熟悉，无法告诉您答案，但您的代码与文档并不矛盾。 numpy.power 的第二个参数不应该是一个数字，而是另一个矩阵。
看起来它正在调用对象的__pow__ 方法，该方法试图对整个矩阵求平方，而不是按元素进行。这失败了，因为正如它所说，矩阵不是正方形的。
@RoundTower：实际上，第二个元素应该是一个数组，它与 Numpy 中的矩阵不同，但标量与 (1,) 或 (1,1) 数组相同numpy.power 在密集阵列上的用途。

标签： python numpy scipy sparse-matrix exponentiation

【解决方案1】：

我刚刚遇到了同样的问题，发现稀疏矩阵现在支持按元素计算的能力。对于上面的情况，应该是：

 X.power(2)

【讨论】：

这适用于 python 2.7 吗？
这似乎不适用于 python 3.6
它可能取决于稀疏矩阵的格式，对于 csr 它似乎可以工作

【解决方案2】：

这有点低级，但对于元素操作，您可以直接使用底层数据数组：

>>> import scipy.sparse
>>> X = scipy.sparse.rand(1000,1000, density=0.003)
>>> X = scipy.sparse.csr_matrix(X)
>>> Y = X.copy()
>>> Y.data **= 3
>>> 
>>> abs((X.toarray()**3-Y.toarray())).max()
0.0

【讨论】：