如何在 SciPy 稀疏矩阵 COO_Matrix 中保留插入顺序

Question

你好 SO python 社区，

我有一个关于 numpy 稀疏矩阵 COO 格式的问题。如下：

我有一个包含 4 列的 csv 文件 a,b,c,d 我需要从这个 csv 文件中形成 SciPy COO_Matrix 但我需要能够保留插入顺序SciPy 稀疏矩阵中的条目数。目前，我的数据按列d 排序，最终在矩阵中我也希望保留此顺序。目前，这就是我所做的：

 def _build_interaction_matrix(rows, cols, data, score):

mat = sp.lil_matrix((rows, cols), dtype=np.int32)
for a, b, c, d in data:
     mat[a, b] = 1.0
return mat.tocoo()

现在当我打电话时：

def get_triplets(mat):
    return mat.row, mat.col, np.random.randint(mat.shape[1], size=len(mat.row))

订单丢失了，我收到了a 和b 的订单。有没有办法通过键d 对矩阵进行排序，这样我仍然返回一个以a 和b 为列但按d 排序的COO 矩阵？

编辑：最终目标是能够通过保留顺序迭代地构建矩阵，然后将其转换为COO。我需要迭代地进行，因为c 列上有一个条件，我需要在循环中检查。

Edit2：我还需要实现COO.getrow(row_index)，它保留了row_index 的列索引的原始顺序 对于 Edit2，

我能想到的最好的是：

def get_all_items(uid, pid, u):
init = 0
indices = np.argsort(uid, kind='mergesort')

for i in range(len(indices)):
    if (uid[indices[i]] == u and init == 0):
        start = i
        init = 1
    if(i >= 1 and uid[indices[i-1]] ==u and uid[indices[i]] != u):
        end = i
        idex = indices[start:end]
        if len(idex) != 0:
            return pid[idex]

感谢您为解决此问题提供的建议，如果您需要更多信息，请告诉我。

Answer 1

如果您直接以coo 格式制作矩阵，则至少最初会保留顺序：

In [165]: row=np.array([0,1,3,5,2,0])
In [166]: col=np.array([1,0,3,0,1,4])
In [170]: M = sparse.coo_matrix((np.ones(6,int),(row,col)))
In [171]: M
Out[171]: 
<6x5 sparse matrix of type '<class 'numpy.int32'>'
    with 6 stored elements in COOrdinate format>
In [172]: print(M)
  (0, 1)    1
  (1, 0)    1
  (3, 3)    1
  (5, 0)    1
  (2, 1)    1
  (0, 4)    1

实际上 row 和 col 属性将是输入数组（只要它们兼容）：

In [173]: M.row
Out[173]: array([0, 1, 3, 5, 2, 0])
In [174]: id(M.row),id(row)
Out[174]: (2858024776, 2858024776)   # same id

但是这个命令很容易丢失。例如，通过csr 格式（在大多数计算中使用）的往返行程最终按行排序，然后按列排序

In [178]: print(M.tocsr().tocoo())
  (0, 1)    1
  (0, 4)    1
  (1, 0)    1
  (2, 1)    1
  (3, 3)    1
  (5, 0)    1

如果有重复的点，则将它们相加

转换为lil:

In [180]: M.tolil().rows
Out[180]: array([[1, 4], [0], [1], [3], [], [0]], dtype=object)

rows 按定义按行排序，但在一行内不必排序。

sum_duplicates 以列优先执行词法排序

In [181]: M.sum_duplicates()
In [182]: print(M)
  (1, 0)    1
  (5, 0)    1
  (0, 1)    1
  (2, 1)    1
  (3, 3)    1
  (0, 4)    1

---

以迭代方式构建lil 不会保留任何“订单”信息：

In [213]: Ml = sparse.lil_matrix(M.shape,dtype=M.dtype)
In [214]: for r,c in zip(row,col):
     ...:     Ml[r,c]=1
     ...:     print(Ml.rows)
     ...:     
[[1] [] [] [] [] []]
[[1] [0] [] [] [] []]
[[1] [0] [] [3] [] []]
[[1] [0] [] [3] [] [0]]
[[1] [0] [1] [3] [] [0]]
[[1, 4] [0] [1] [3] [] [0]]

getrow

getrow 没有排序可能比我最初想象的要容易：

制作一个随机矩阵：

In [270]: M1=sparse.random(20,20,.2)
In [271]: M1
Out[271]: 
<20x20 sparse matrix of type '<class 'numpy.float64'>'
    with 80 stored elements in COOrdinate format>

In [273]: M1.row
Out[273]: 
array([10, 16,  2,  8,  5,  2, 15,  7,  7,  4, 16,  0, 14, 14, 12,  0, 13,
       16, 17, 12, 12, 12, 17, 15, 15, 18, 18,  0, 13, 13,  9, 10,  6, 10,
        2,  4,  9,  1, 11,  7,  3, 19, 12, 10, 13, 10,  3,  9, 10,  7, 18,
       18, 17, 12, 12,  2, 18,  3,  5,  8, 11, 15, 12,  3, 18,  8,  0, 13,
        6,  7,  6,  2,  9, 17, 14,  4,  5,  5,  6,  6], dtype=int32)
In [274]: M1.col
Out[274]: 
array([ 4, 15,  1, 10, 19, 19, 17,  2,  3, 18,  6,  1, 18,  9,  6,  9, 19,
        5, 15,  8, 13,  1, 13,  7,  1, 14,  3, 19,  2, 11,  6,  5, 17, 11,
       15,  9, 15,  7, 11, 15,  0, 16, 10, 10,  7, 19,  1, 19, 18,  9,  5,
        0,  5,  7,  4,  6, 15, 11,  0, 12, 14, 19,  3,  4, 10,  9, 13,  1,
        3, 13, 12, 18,  3,  9,  7,  7, 10,  8, 19,  0], dtype=int32)

行号为10的元素：

In [275]: M1.row==10
Out[275]: 
array([ True, False, False, False, False, False, False, False, False,
       ....
       False, False, False, False, False, False, False, False], dtype=bool)

对应的列值（未排序）

In [276]: M1.col[M1.row==10]
Out[276]: array([ 4,  5, 11, 10, 19, 18], dtype=int32)

将那些与 getrow 进行比较，它适用于 csr 格式：

In [277]: M1.getrow(10)
Out[277]: 
<1x20 sparse matrix of type '<class 'numpy.float64'>'
    with 6 stored elements in Compressed Sparse Row format>
In [278]: M1.getrow(10).indices
Out[278]: array([19, 18, 11, 10,  5,  4], dtype=int32)

并通过 lil

In [280]: M1.tolil().rows[10]
Out[280]: [4, 5, 10, 11, 18, 19]