python 稀疏矩阵逆矩阵 python稀疏矩阵计算

直接上代码：

#!/usr/bin/env python 
# -*- coding:utf-8 -*-
# 序列转为稀疏矩阵
# 输入：序列
# 输出：indices非零坐标点，values数据值，shape稀疏矩阵大小
import numpy as np

def sparse_tuple_from(sequences, dtype=np.int32):
    indices = []
    values = []

    for n, seq in enumerate(sequences):
        # 标记有数据的位置 seq表示每一个[] n表示行数
        #print('n:',n)
        #zip()表示迭代后压缩
        indices.extend(zip([n] * len(seq), range(len(seq))))
        #print('n:',[n] * len(seq))
        #输出[0,0,0]
        #c=zip([n] * len(seq))
        #d=range(len(seq))
        #print('C:',c)
        #print('D:', d)
        #print('indices:',indices)
        # 记录数据的真实值
        values.extend(seq)
        print('values:',values)
    #numpy.asarray(arr, dtype=None, order=None)为数据转换形式
    indices = np.asarray(indices, dtype=np.int64)
    values = np.asarray(values, dtype=dtype)
    #计算矩阵的大小
    shape = np.asarray([len(sequences), np.asarray(indices).max(0)[1] + 1], dtype=np.int64)
    #遍历indices，取出最大的列+1
    print('max:',np.asarray(indices).max(0)[1] + 1)
    #4 6
    print('总共：',len(sequences), np.asarray(indices).max(0)[1] + 1)
    return indices, values, shape

batch_label = []
batch_label.append([56, 45, 2347])
batch_label.append([1, 6, 7, 13, 98])
batch_label.append([2, 6, 4, 32, 12, 78])
batch_label.append([15, 3])
print('batch_label：',batch_label)
batch_label = sparse_tuple_from(batch_label)

print(batch_label)

代码可运行。

扩展：可以读取csv文件，生成稀疏矩阵