将 python 稀疏矩阵导入 MATLAB答案

【问题标题】：importing a python sparse matrix into MATLAB将 python 稀疏矩阵导入 MATLAB
【发布时间】：2014-11-01 20:06:08
【问题描述】：

我在 python 中有一个 CSR 稀疏格式的稀疏矩阵，我想将它导入 MATLAB。 MATLAB 没有 CSR 稀疏格式。对于所有类型的矩阵，它只有 1 种稀疏格式。由于矩阵在密集格式中非常大，我想知道如何将其作为 MATLAB 稀疏矩阵导入？

【问题讨论】：

标签： python matlab numpy scipy sparse-matrix

【解决方案1】：

scipy.io.savemat 以 MATLAB 兼容格式保存稀疏矩阵：

In [1]: from scipy.io import savemat, loadmat
In [2]: from scipy import sparse
In [3]: M = sparse.csr_matrix(np.arange(12).reshape(3,4))
In [4]: savemat('temp', {'M':M})

In [8]: x=loadmat('temp.mat')
In [9]: x
Out[9]: 
{'M': <3x4 sparse matrix of type '<type 'numpy.int32'>'
    with 11 stored elements in Compressed Sparse Column format>,
 '__globals__': [],
 '__header__': 'MATLAB 5.0 MAT-file Platform: posix, Created on: Mon Sep  8 09:34:54 2014',
 '__version__': '1.0'}

In [10]: x['M'].A
Out[10]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

请注意，savemat 将其转换为 csc。它还透明地处理索引起点差异。

在Octave:

octave:4> load temp.mat
octave:5> M
M =
Compressed Column Sparse (rows = 3, cols = 4, nnz = 11 [92%])
  (2, 1) ->  4
  (3, 1) ->  8
  (1, 2) ->  1
  (2, 2) ->  5
  ...

octave:8> full(M)
ans =    
    0    1    2    3
    4    5    6    7
    8    9   10   11

【讨论】：

谢谢。这是直接的方法。

【解决方案2】：

Matlab 和 Scipy 稀疏矩阵格式是兼容的。您需要在 Scipy 中获取矩阵的数据、索引和矩阵大小，并使用它们在 Matlab 中创建稀疏矩阵。这是一个例子：

from scipy.sparse import csr_matrix
from scipy import array

# create a sparse matrix
row = array([0,0,1,2,2,2])
col = array([0,2,2,0,1,2])
data = array([1,2,3,4,5,6])

mat = csr_matrix( (data,(row,col)), shape=(3,4) )

# get the data, shape and indices
(m,n) = mat.shape
s = mat.data
i = mat.tocoo().row
j = mat.indices

# display the matrix
print mat

打印出来的：

  (0, 0)        1
  (0, 2)        2
  (1, 2)        3
  (2, 0)        4
  (2, 1)        5
  (2, 2)        6

使用 Python 中的值 m、n、s、i 和 j 在 Matlab 中创建矩阵：

m = 3;
n = 4;
s = [1, 2, 3, 4, 5, 6];
% Index from 1 in Matlab.
i = [0, 0, 1, 2, 2, 2] + 1;
j = [0, 2, 2, 0, 1, 2] + 1;

S = sparse(i, j, s, m, n, m*n)

给出相同的矩阵，仅从 1 开始索引。

   (1,1)        1
   (3,1)        4
   (3,2)        5
   (1,3)        2
   (2,3)        3
   (3,3)        6

【讨论】：

谢谢。只是一个小的建议修改。对于 sparse 命令的最后一个（第六个）参数，我们可以使用 nnz 方法的结果而不是 m*n 来节省空间（或者干脆省略它并传递 5 个具有相同效果的参数）。