如何在 scipy csr_matrix 中有效地找到最大元素及其索引？

Question

我有一个稀疏的无向图存储在scipy csr_matrix中，我需要找出权重最大的边，这意味着我需要找到最大值及其对应的行和列索引（实际上我必须找到K 个最大值，但为了简化问题）。因此我写道：

M=M.toarray()
for i in range(1,len(M)):
    for j in range(i+1,len(M[i])):
        if M[i][j] > maximum:
            row,col,maximum = i,j,M[i][j]

它似乎很笨拙，表现不佳。有没有更好的方法来做到这一点？

Answer 1

import numpy as np
np.array(np.unravel_index(np.argsort(M.flatten(), axis=0)[-K:], M.shape)).T[::-1]

这将按降序返回 K 个最大值的索引数组。 示例：

M=np.ones((10,10))
M[2,6]=10
M[4,3]=12
np.array(np.unravel_index(np.argsort(M.flatten(), axis=0)[-2:], M.shape)).T[::-1]

输出：[[4,3], [2,6]]

编辑：

（假设你有一个方阵）。 如果您不希望返回任何对角线元素，您可以屏蔽数组：

mask = (1-np.identity(M.shape[0]))
np.array(np.unravel_index(np.argsort((M*mask).flatten(), axis=0)[-2:], M.shape)).T[::-1]

Answer 2

如果你想单独找到最大值，M.max() 就足够了：

>>> m = scipy.sparse.rand(1000, 1000, format='csr')
>>> type(m)
<class 'scipy.sparse.csr.csr_matrix'>
>>> m.max()
0.99991127228906729

如果你也想找到索引besides converting to a coo_matrix，你可以直接对.data、.indices和.indptr进行操作。文档中提到了这些成员之间的关系，

csr_matrix((data, indices, indptr), [shape=(M, N)])

是标准 CSR 表示，其中行 i 的列索引存储在 indices[indptr[i]:indptr[i+1]] 中，它们的相应值存储在 data[indptr[i]:indptr[i+1]] 中。

所以，

>>> m.sort_indices()
>>> numpy.argmax(m.data)
1171
>>> index = _
>>> m.indices[index]
483
>>> col = _
>>> numpy.searchsorted(m.indptr, index, side='right') - 1
116
>>> row = _
>>> m[row, col]
0.99991127228906729