#python #arrays #numpy #sparse-matrix
#python #массивы #numpy #разреженная матрица
Вопрос:
Я ищу довольно большую матрицу для нулевых элементов, а затем хочу затем перебирать строки и внутри каждой строки, в целом индексы, где я нашел ноль. numpy.where(M==0)
дает мне (np.array, np.array)
.
Как я могу отформатировать этот результат в соответствии с моими потребностями наиболее эффективным способом?
# Output of numpy.where(M==0):
(x,y) = (array([0, 0, 1, 1, 2]), array([2, 3, 1, 2, 1]))
# Output I want, each value of y in the list corresponding to the x value:
wanted = [[2,3],[1,2],[1],[]]
Я думал о построении разреженной матрицы из выходных данных (поскольку M
она плотная, M==0
должна быть разреженной), но не знаю, как я буду перебирать там строки.
zeros = scipy.sparse.coo_matrix((np.ones((len(x),)), (x,y)), shape=M.shape)
print(zeros.nonzero()) # is the same output as np.where, so it does not help me
Я полагаю, я мог бы нарезать каждую строку и .nonzero()
ее, но я надеюсь, что есть что-то более эффективное
Редактировать: в качестве альтернативы, словарь формы {x_value:[list of corresponding y_values]}
также будет работать
Комментарии:
1. не могли бы вы подробнее рассказать о том, как
wanted
получаются значения?2. они не получены, они являются примером формата, в котором я хотел бы получить свои значения: в каждой строке i есть список wanted [i], содержащий индексы столбцов, для которых он равен нулю
3. Посмотрите
argwhere
, что только что делаетnp.transpose(np.nonzero(...))1
. Плоская итерация для этого 2d-массива так же хороша (или плоха), как и предлагаемый вами двойной цикл.4. @hpaulj второй цикл for будет в функции, поскольку мне нужно загружать из базы данных для каждой строки, и из-за этого я хотел бы сгруппировать их по строкам
5. Просто выполните итерацию по индексам строк. Пока они остаются неизменными, соберите значения столбцов в список. Когда они изменяются, вызовите функцию столбца с этим списком.
Ответ №1:
Я обнаружил, что collections.defaultdict
это позволило мне преобразовать мои кортежи в dict, как я хотел.
indices = np.argwhere(M==0)
zeros = defaultdict(list)
for coords in indices:
zeros[coords[0]].append(coords[1])
print(zeros)
# Output:
defaultdict(<class 'list'>, {0: [1], 1: [1, 2], 2: [0, 3]})