当我从文件中读取数据时，我正在尝试构建和更新稀疏矩阵。矩阵大小为100000X40000
更新稀疏矩阵的多个条目的最有效方法是什么？具体来说，我需要将每个条目增加1。
假设我有行索引[2, 236, 246, 389, 1691]
和列索引[117, 3, 34, 2757, 74, 1635, 52]
因此以下所有条目都必须增加一：
(2,117) (2,3) (2,34) (2,2757) ...
(236,117) (236,3) (236, 34) (236,2757) ...
等等
我已经在使用lil_matrix了，因为它在我尝试更新单个条目时向我发出了使用警告。
lil_matrix格式已经不支持多次更新。matrix[1:3,0] += [2,3]给了我一个未实现的错误。
我可以天真地做到这一点，通过逐个递增每个条目。我想知道是否有更好的方法可以做到这一点，或者我可以使用更好的稀疏矩阵实现。
我的电脑也是一台普通的i5机器，有4GB RAM，所以我必须小心不要把它搞砸：）
在新坐标系中创建第二个1s矩阵并将其添加到现有矩阵中是一种可能的方法：
>>> import scipy.sparse as sps
>>> shape = (1000, 2000)
>>> rows, cols = 1000, 2000
>>> sps_acc = sps.coo_matrix((rows, cols)) # empty matrix
>>> for j in xrange(100): # add 100 sets of 100 1's
... r = np.random.randint(rows, size=100)
... c = np.random.randint(cols, size=100)
... d = np.ones((100,))
... sps_acc = sps_acc + sps.coo_matrix((d, (r, c)), shape=(rows, cols))
...
>>> sps_acc
<1000x2000 sparse matrix of type '<type 'numpy.float64'>'
with 9985 stored elements in Compressed Sparse Row format>
import scipy.sparse
rows = [2, 236, 246, 389, 1691]
cols = [117, 3, 34, 2757, 74, 1635, 52]
prod = [(x, y) for x in rows for y in cols] # combinations
r = [x for (x, y) in prod] # x_coordinate
c = [y for (x, y) in prod] # y_coordinate
data = [1] * len(r)
m = scipy.sparse.coo_matrix((data, (r, c)), shape=(100000, 40000))
我认为它工作得很好，不需要循环。我直接关注文档
<100000x40000 sparse matrix of type '<type 'numpy.int32'>'
with 35 stored elements in COOrdinate format>
这个答案扩展了@behzad.nouri的注释。要增加行和列索引列表的"外积"处的值，只需将它们创建为配置用于广播的numpy数组即可。在这种情况下，这意味着将行放入一列中。例如，
In [59]: a = lil_matrix((4,4), dtype=int)
In [60]: a.A
Out[60]:
array([[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 0]])
In [61]: rows = np.array([1,3]).reshape(-1, 1)
In [62]: rows
Out[62]:
array([[1],
[3]])
In [63]: cols = np.array([0, 2, 3])
In [64]: a[rows, cols] += np.ones((rows.size, cols.size))
In [65]: a.A
Out[65]:
array([[0, 0, 0, 0],
[1, 0, 1, 1],
[0, 0, 0, 0],
[1, 0, 1, 1]])
In [66]: rows = np.array([0, 1]).reshape(-1,1)
In [67]: cols = np.array([1, 2])
In [68]: a[rows, cols] += np.ones((rows.size, cols.size))
In [69]: a.A
Out[69]:
array([[0, 1, 1, 0],
[1, 1, 2, 1],
[0, 0, 0, 0],
[1, 0, 1, 1]])