将 scipy.sparse 矩阵转换为等效的 MATLAB 稀疏矩阵

Question

我有一个scipy.sparse.lil_matrix，我想使用MATLAB Engine API for Python 将其输入MATLAB 方法（不是我编写的）。到目前为止，我看到的帖子要么是关于如何将 MATLAB 稀疏矩阵转换为 python 等价物，要么需要修改我宁愿规避的 matlab 代码。

Answer 1

在内部，我相信 MATLAB 使用 csc 之类的格式。但是构造是（至少在我几年前使用它时）使用coo 样式输入 - 数据、行、列。

我建议在 MATLAB 中创建一个稀疏矩阵，并将其（在 HDF5 之前的模式下）保存到 .mat 中。然后用scipy.io.loadmat 加载它。然后在将scipy.sparse 矩阵写回.mat 时使用该结果作为指导。

scipy.sparse 有一个save 函数，但它使用np.savez 来编写各自的属性数组。如果您有可以处理 .npy 文件的 MATLAB 代码，您可能可以加载这样的保存文件（再次使用 coo 格式）。

===

一个测试。

创建并保存一个稀疏矩阵：

In [263]: from scipy import io, sparse                                                                          
In [264]: M = sparse.random(10,10,.2,'coo')                                                                     
In [265]: io.savemat('sparse.mat', {'M':M})       

Python 端的测试负载：

In [268]: io.loadmat('sparse.mat')                                                                              
Out[268]: 
{'__header__': b'MATLAB 5.0 MAT-file Platform: posix, Created on: Wed Jul  3 11:41:23 2019',
 '__version__': '1.0',
 '__globals__': [],
 'M': <10x10 sparse matrix of type '<class 'numpy.float64'>'
    with 20 stored elements in Compressed Sparse Column format>}

所以 savemat 在保存之前将coo 格式转换为csc。

在 Octave 会话中：

>> load sparse.mat
>> M
M =

Compressed Column Sparse (rows = 10, cols = 10, nnz = 20 [20%])

  (4, 1) ->  0.41855
  (6, 1) ->  0.33456
  (7, 1) ->  0.47791
  (4, 3) ->  0.27464
  (2, 4) ->  0.96700
  (3, 4) ->  0.60283
  (10, 4) ->  0.41400
  (1, 5) ->  0.57004
  (2, 5) ->  0.44211
  (1, 6) ->  0.63884
  (3, 7) ->  0.012127
  (8, 7) ->  0.77328
  (8, 8) ->  0.25287
  (10, 8) ->  0.46280
  (1, 9) ->  0.0022617
  (6, 9) ->  0.70874
  (1, 10) ->  0.79101
  (3, 10) ->  0.81999
  (6, 10) ->  0.12515
  (9, 10) ->  0.60660

所以看起来savemat/loadmat 代码以与 MATLAB 兼容的方式处理稀疏矩阵。