如何将numpy.matrix或数组转换为scipy稀疏矩阵

Question 1

对于SciPy稀疏矩阵，可以使用todense()或toarray()转换为NumPy矩阵或数组。进行逆运算的功能是什么？

我进行了搜索，但不知道应该正确选择哪些关键字。

Question 2

初始化稀疏矩阵时，可以将numpy数组或矩阵作为参数传递。例如，对于CSR矩阵，您可以执行以下操作。

>>> import numpy as np
>>> from scipy import sparse
>>> A = np.array([[1,2,0],[0,0,3],[1,0,4]])
>>> B = np.matrix([[1,2,0],[0,0,3],[1,0,4]])

>>> A
array([[1, 2, 0],
       [0, 0, 3],
       [1, 0, 4]])

>>> sA = sparse.csr_matrix(A)   # Here's the initialization of the sparse matrix.
>>> sB = sparse.csr_matrix(B)

>>> sA
<3x3 sparse matrix of type '<type 'numpy.int32'>'
        with 5 stored elements in Compressed Sparse Row format>

>>> print sA
  (0, 0)        1
  (0, 1)        2
  (1, 2)        3
  (2, 0)        1
  (2, 2)        4

Question 3

scipy中有几种稀疏矩阵类。

bsr_matrix（arg1 [，形状，dtype，副本，块大小]）块稀疏行矩阵
coo_matrix（arg1 [，形状，dtype，副本]）一个稀疏矩阵，为COOrdinate格式。
csc_matrix（arg1 [，shape，dtype，copy]）压缩的稀疏列矩阵
csr_matrix（arg1 [，shape，dtype，copy]）压缩稀疏行矩阵
dia_matrix（arg1 [，shape，dtype，copy]）带有对角线存储
dok_matrix的稀疏矩阵（arg1 [，shape，dtype，copy]）基于字典的稀疏矩阵。
lil_matrix（arg1 [，shape，dtype，copy]）基于行的链表稀疏矩阵

他们中的任何一个都可以进行转换。

import numpy as np
from scipy import sparse
a=np.array([[1,0,1],[0,0,1]])
b=sparse.csr_matrix(a)
print(b)

(0, 0)  1
(0, 2)  1
(1, 2)  1

请参阅http://docs.scipy.org/doc/scipy/reference/sparse.html#usage-information。

Question 4

至于逆函数，函数为inv(A)，但我不建议您使用它，因为对于大型矩阵而言，它的计算成本很高且不稳定。相反，您应该对逆使用近似值，或者，如果您想求解Ax = b，则实际上并不需要A ^-1。