Python SciPy sparse.random用法及代码示例

本文简要介绍 python 语言中 scipy.sparse.random 的用法。

用法:

scipy.sparse.random(m, n, density=0.01, format='coo', dtype=None, random_state=None, data_rvs=None)#

生成具有随机分布值的给定形状和密度的稀疏矩阵。

警告

从 numpy 1.17 开始，为 random_state 传递 np.random.Generator (例如 np.random.default_rng )将导致执行时间更快。

为了向后兼容，默认使用慢得多的实现。

参数 ：：

m, n： int

矩阵的形状

density： 真实的，可选的

生成矩阵的密度：密度等于 1 表示满矩阵，密度为 0 表示没有非零项的矩阵。

format： str，可选

稀疏矩阵格式。

dtype： dtype，可选

返回矩阵值的类型。

random_state： {无，整数， numpy.random.Generator ，

numpy.random.RandomState}, optional

• 如果种子是无(或np.random)， 这numpy.random.RandomState使用单例。

• 如果种子是一个 int，一个新的RandomState使用实例，播种种子.

• 如果种子已经是一个Generator或者RandomState实例然后使用该实例。

该随机状态将用于对稀疏结构进行采样，但不一定用于对矩阵的结构非零条目的值进行采样。

data_rvs： 可调用的，可选的

对请求数量的随机值进行采样。这个函数应该接受一个参数，指定它将返回的 ndarray 的长度。稀疏随机矩阵的结构非零条目将从该函数采样的数组中获取。默认情况下，统一的 [0, 1) 随机值将使用与采样稀疏结构相同的随机状态进行采样。

返回 ：：

res： 稀疏矩阵

例子：

传递 np.random.Generator 实例以获得更好的性能：

>>> from scipy.sparse import random
>>> from scipy import stats
>>> from numpy.random import default_rng
>>> rng = default_rng()
>>> S = random(3, 4, density=0.25, random_state=rng)

证明值的采样器：

>>> rvs = stats.poisson(25, loc=10).rvs
>>> S = random(3, 4, density=0.25, random_state=rng, data_rvs=rvs)
>>> S.A
array([[ 36.,   0.,  33.,   0.],   # random
       [  0.,   0.,   0.,   0.],
       [  0.,   0.,  36.,   0.]])

使用自定义发行版：

>>> class CustomDistribution(stats.rv_continuous):
...     def _rvs(self,  size=None, random_state=None):
...         return random_state.standard_normal(size)
>>> X = CustomDistribution(seed=rng)
>>> Y = X()  # get a frozen version of the distribution
>>> S = random(3, 4, density=0.25, random_state=rng, data_rvs=Y.rvs)
>>> S.A
array([[ 0.        ,  0.        ,  0.        ,  0.        ],   # random
       [ 0.13569738,  1.9467163 , -0.81205367,  0.        ],
       [ 0.        ,  0.        ,  0.        ,  0.        ]])