Python 的 scipy.sparse.csr_matrix 到 Matlab 的转换

【问题标题】：Python's scipy.sparse.csr_matrix to Matlab conversionPython 的 scipy.sparse.csr_matrix 到 Matlab 的转换
【发布时间】：2021-01-15 03:58:19
【问题描述】：

我正在尝试将代码从 python 转换为 matlab。

m, n = np.shape(M) % M is my data
k=10;

r = k * 5
C = np.arange(n)
R = np.random.random_integers(r, size=n) - 1
D = np.random.randint(2, size=n) * 2 - 1
S = scipy.sparse.csr_matrix((D, (R, C)), shape=(r, n))

如何在matlab中编写S变量？有没有等价的功能？

【问题讨论】：

你不能改变问题来问另一个问题！如果已解决，您需要在单独的帖子中提出另一个问题。

标签： python matlab matrix scipy sparse-matrix

【解决方案1】：

代替csr_matrix，sparse function 可能有用：

S = sparse(i,j,v) 从三元组 i、j 和 v 生成稀疏矩阵 S，使得 S(i(k),j(k)) = v(k)。 max(i)-by-max(j) 输出矩阵为length(v) 非零元素分配了空间。如果输入 i、j 和 v 是向量或矩阵，则它们必须具有相同数量的元素。或者，参数v 和/或参数i 或j 之一可以是标量。

S = sparse(i,j,v,m,n) 指定 S 的大小为 m×n。

【讨论】：

我试过了。它似乎有效，但如果我想要 2 个不同的 S 矩阵怎么办。给定一个原始矩阵 M (m-by-n) 我希望找到 a) S1 将是 nu-by-m 并且 b) S2 将是 n-by-nu。我不确定如何处理 i j v。因为我不想在查找 S1 和 S2 时使用相同的。有什么想法吗？