python “双”稀疏矩阵转换为最小联通量“单”矩阵-CSDN博客

本文链接：https://blog.csdn.net/weixin_28922555/article/details/136273112

记一次矩阵类乘操作，工具python scipy.sparse包核心部分sparseMatrix2tuple自己写。

需求：将两个约10000*10000的矩阵通过“最小联通量”处理为一个10000*10000的矩阵。
- 最小联通量，见图。
- A =
- B =
- 矩阵A pn1对应A01C、A01D， B矩阵A01C、A01D对应A0111，即pn1 对应A0111为2，如果AB矩阵的所有行列对应起来就是一个新的矩阵，A的行和B的列形成的矩阵。

思想：“matrix矩阵”—>”tuple三元组”—>”sparseMatrix2tuple”—>”新tuple三元组”
- 这个过程中需要用到python的 scipy.sparse包。见上一篇博文https://my.oschina.net/u/1462678/blog/908403
实现：“matrix矩阵”—>”tuple三元组”—>”sparseMatrix2tuple”—>”新tuple三元组”
Code：(部分代码，为了防止我之后忘记了)

from scipy import sparse
import numpy as np
import time

t1 = time.time()

#稀疏矩阵转换后相当于是处理一维矩阵运算
for u in np.unique(tuple_L.row):
#     print('行：',u)
    temp_row = []
    L_mid_map={}
    R_mid_list=[]
    
    for i in [m for m,item in enumerate(tuple_L.row) if item==u]:# 取行中相同元素的下标
        v = tuple_L.col[i]
        if v in tuple_R.row:# 是否在右矩阵的列中
            temp_row.append(v)# 左矩阵列中元素
            L_mid_map[v] = i # v表示左矩阵的行的下标，i表示左矩阵列的值  (左矩阵列指的是col_list)
    
    R_mid_list = [n for n,item in enumerate(tuple_R.row) if item in temp_row]#  右矩阵行中元素的下标
#     print(R_mid_list)

'''此处开始因为想太多，迟迟下不了手敲代码，想不出以何种方式记录需要进行遍历的数据'''

    for k in range(len(R_mid_list)):  
#         print(k)
#         print(R_mid_list[k])
        row_list.append(u) 
        col_list.append(tuple_R.col[R_mid_list[k]])
        data_list.append(min(tuple_L.data[L_mid_map.get(tuple_R.row[R_mid_list[k]])],tuple_R.data[R_mid_list[k]]))
        # L_mid_map.get(tuple_R.row[R_mid_list[k]]) 通过右矩阵的行获取values值  
        # 进而得到这些values值在左矩阵map中获取下标   然后得到data的数据值(tri-tuple)
t2 = time.time()
print(t2-t1)

matrix_ovl = sparse.coo_matrix((data, (row,col)), shape=(len(df_A.index),len(df_B.columns)))
# 通过利用coo_matrix 将自己的数据再次转回矩阵，即单个矩阵

在完成此代码之前曾因为数据量少，所以直接运了矩阵进行处理，但是当数据量上来后时间消耗到了2h之久，于是开始准备优化程序，最终该代码保证在2min内搞定，虽然当我记录的时候已经是“柳暗花明又一村”但是曾经的”山重水复疑无路“也着实让人着急啊。
小结：
- coding时要在思考与实践之间平衡，即先实现后优化，如果一味的执着于优化结果，将停滞不前；
- 找逻辑关系很重要，找准核心的关键部分，缕清思绪能减少很多无谓的工作。
- 如果自己脑子在打转的问题，就去找个人，试着把你要做的事情讲述给他。
最后记录下自己熬夜写代码的苦逼经历，感谢自己的努力！！！