scipy.sparse डिफ़ॉल्ट मान

Question

स्पैर मैट्रिक्स प्रारूप (डॉक) मानता है कि कुंजीपटल में नहीं कुंजी के मान शून्य के बराबर हैं। क्या शून्य के अलावा डिफ़ॉल्ट मान का उपयोग करने का कोई तरीका है?

इसके अलावा, वहाँ एक विरल मैट्रिक्स के लॉग (नियमित रूप से numpy मैट्रिक्स में np.log के लिए समान) की गणना करने के लिए एक रास्ता है

Answer 1

कि सुविधा में निर्मित नहीं है, लेकिन अगर आप वास्तव में इस की जरूरत है, तो आप होना चाहिए अपना खुद का dok_matrix कक्षा, या उप-वर्ग Scipy लिखने में सक्षम है। Scipy कार्यान्वयन यहां है: https://github.com/scipy/scipy/blob/master/scipy/sparse/dok.py कम से कम उन जगहों पर जहां dict.* कॉल किए जाते हैं, डिफ़ॉल्ट मान को बदलने की आवश्यकता होती है --- और शायद कुछ अन्य बदलाव किए जाने की आवश्यकता है।

हालांकि, मैं समस्या को सुधारने की कोशिश करता हूं ताकि इसकी आवश्यकता न हो। उदाहरण के लिए आप रेखीय बीजगणित करते हैं, तो आप लगातार अवधि अलग कर सकते हैं, और सबसे रेखीय बीजगणित दिनचर्या (जैसे पुनरावृत्ति समाधानकर्ताओं) के बजाय

from scipy.sparse.linalg import LinearOperator 
A = whatever_dok_matrix_minus_constant_term 
def my_matvec(x): 
    return A*x + constant_term * x.sum() 
op = LinearOperator(A.shape, matvec=my_matvec) 

करते हैं, आप op बजाय A में पारित कर सकते हैं।

मैट्रिक्स लघुगणक के रूप में: (scipy.linalg.logm के रूप में) एक विरल मैट्रिक्स के लघुगणक, आम तौर पर घना है, ताकि आप केवल एक घने एक पहले के मैट्रिक्स परिवर्तित करना चाहिए, और फिर हमेशा की तरह लघुगणक की गणना। जहां तक ​​मैं देखता हूं, एक स्पैर मैट्रिक्स का उपयोग करने से कोई प्रदर्शन लाभ नहीं होगा। यदि आपको केवल वेक्टर और लॉगरिदम के उत्पाद की गणना करने की आवश्यकता है, log(A) * v वेक्टर, हालांकि कुछ क्रिलोव विधि मदद कर सकती है।

आप OTOH लघुगणक elementwise गणना करने के लिए चाहते हैं, आप .data विशेषता सीधे

x = A.tocoo() 
x.data = np.log(x.data) 
A = x.todok() 

अकेले शून्य तत्व छोड़ देता है (कम से कम उपलब्ध सीओओ, सीएसआर, और सीएससी में) के रूप में ऊपर संशोधित कर सकते हैं, लेकिन , यह निरंतर भाग को अलग से इलाज करने की अनुमति देता है।