在HDF5（PyTables）中存储Numpy稀疏矩阵
我在用PyTables存储numpy csr_matrix时遇到问题。我收到此错误：
TypeError: objects of type ``csr_matrix`` are not supported in this context, sorry; supported objects are: NumPy array, record or scalar; homogeneous list or tuple, integer, float, complex or string
我的代码：
f = tables.openFile(path,'w')
atom = tables.Atom.from_dtype(self.count_vector.dtype)
ds = f.createCArray(f.root, 'count', atom, self.count_vector.shape)
ds[:] = self.count_vector
f.close()
有任何想法吗？
谢谢
问题答案：
一个CSR矩阵可以从它的完全重建data，indices和indptr属性。这些只是常规的numpy数组，因此将它们作为3个单独的数组存储在pytables中，然后将它们传递回的构造函数应该没有问题csr_matrix。请参阅scipy文档。
编辑： Pietro的答案已指出该shape成员也应存储
-
我正在处理一个非常大的稀疏矩阵乘法（matmul）问题。作为一个例子，让我们说： > A是一个二进制（75 x 200,000）矩阵。它很稀疏，所以我使用csc进行存储。我需要执行以下matmul操作： B=A.转置（）*A 输出将是大小为200Kx200K的稀疏对称矩阵。 不幸的是，B存储在我笔记本电脑上的RAM（或“核心”）中会变得太大。另一方面，我很幸运，因为B有一些属性可以解决这个问题。
-
问题内容： 使用SciPy / Numpy在Python中连接稀疏矩阵的最有效方法是什么？ 在这里，我使用以下内容： 我想在回归中使用两个预测变量，但是当前格式显然不是我想要的格式。是否有可能获得以下信息： 它太大，无法转换为深格式。 问题答案： 您可以使用来连接行数相同的稀疏矩阵（水平串联）： 同样，您可以用于将具有相同列数的稀疏矩阵进行串联（垂直串联）。 使用或将创建带有两个稀疏矩阵对象的数组
-
问题内容： 有没有一种方法可以从a转换为，而不会在内存中生成密集矩阵？ 不起作用，因为它生成一个密集矩阵，该矩阵被强制转换为。 提前致谢！ 问题答案： 熊猫文档讨论了将稀疏稀疏性实验转换为SparseSeries.to_coo： http://pandas-docs.github.io/pandas-docs-travis/sparse.html#interaction-with- scipy-s
-
2.5.1 介绍 (密集) 矩阵是: 数据对象 存储二维值数组的数据结构 重要特征: 一次分配所有项目的内存 通常是一个连续组块，想一想Numpy数组 快速访问个项目(*) 2.5.1.1 为什么有稀疏矩阵？ 内存，增长是n**2 小例子（双精度矩阵）: In [2]: import numpy as np import matplotlib.pyplot as plt x = np.li
-
问题内容： 我有一个Sqlite数据库，其中包含以下类型的架构： 该表包含术语及其在文档中的各自计数。喜欢 该矩阵可以被视为稀疏矩阵，因为每个文档都包含很少的具有非零值的项。 我将如何使用numpy从稀疏矩阵创建密集矩阵，因为我必须使用余弦相似度来计算文档之间的相似度。 这个密集的矩阵看起来像一个表格，第一列为docid，所有术语列为第一行，其余单元格将包含计数。 问题答案： 我用熊猫解决了这个问
-
在使用numpy的python中，假设我有两个矩阵： 稀疏矩阵 密集的x*y矩阵 现在我想做，它将返回一个密集的矩阵。 但是，我只关心中非零的单元格，这意味着如果我这样做了，对我的应用程序不会有任何影响 <代码>S\u=S*S\u 显然，这将是对操作的浪费，因为我想把在