Python SciPy sparse.random用法及代碼示例

本文簡要介紹 python 語言中 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)#

生成具有隨機分布值的給定形狀和密度的稀疏矩陣。

警告

從 numpy 1.17 開始，為 random_state 傳遞 np.random.Generator (例如 np.random.default_rng )將導致執行時間更快。

為了向後兼容，默認使用慢得多的實現。

參數 ：：

m, n： int

矩陣的形狀

density： 真實的，可選的

生成矩陣的密度：密度等於 1 表示滿矩陣，密度為 0 表示沒有非零項的矩陣。

format： str，可選

稀疏矩陣格式。

dtype： dtype，可選

返回矩陣值的類型。

random_state： {無，整數， numpy.random.Generator ，

numpy.random.RandomState}, optional

• 如果種子是無(或np.random)， 這numpy.random.RandomState使用單例。

• 如果種子是一個 int，一個新的RandomState使用實例，播種種子.

• 如果種子已經是一個Generator或者RandomState實例然後使用該實例。

該隨機狀態將用於對稀疏結構進行采樣，但不一定用於對矩陣的結構非零條目的值進行采樣。

data_rvs： 可調用的，可選的

對請求數量的隨機值進行采樣。這個函數應該接受一個參數，指定它將返回的 ndarray 的長度。稀疏隨機矩陣的結構非零條目將從該函數采樣的數組中獲取。默認情況下，統一的 [0, 1) 隨機值將使用與采樣稀疏結構相同的隨機狀態進行采樣。

返回 ：：

res： 稀疏矩陣

例子：

傳遞 np.random.Generator 實例以獲得更好的性能：

>>> 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)

證明值的采樣器：

>>> 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.]])

使用自定義發行版：

>>> 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.        ]])