matrices - ¿Qué tipo de matriz de Python sería esto? ¿Ya existe en Python?

numpy array que es

Question

Tengo una matriz numpy:

m = array([[4, 0, 9, 0],
          [0, 7, 0, 0],
          [0, 0, 0, 0],
          [0, 0, 0, 5]])

Las 4 columnas de m están etiquetadas:

c = array([ 10, 20, 30, 40])

Quiero poder cortar un objeto o tal que:

o.vals[0,:] = array([4, 9])
o.vals[1,:] = array([7,])
o.vals[2,:] = array([])
o.vals[3,:] = array([5])
o.cols[0,:] = array([10, 30] )# the non-zero column labels from row 0
o.cols[1,:] = array([20,])
o.cols[2,:] = array([])
o.cols[3,:] = array([40])

¿Existe un objeto Python existente que me permita hacer esto?

He analizado Scipy Sparse Matrices , pero no es exactamente lo que estoy buscando.

UNA ACTUALIZACIÓN el 17 de agosto de 2015: He tenido algunas ideas y se me ocurrió esto, que es casi lo mismo que describí la semana pasada:

• https://github.com/jsphon/NumericalFunctions/blob/master/jagged_array/JaggedKeyValueArray.rst

• https://github.com/jsphon/NumericalFunctions/blob/master/jagged_array/jagged_key_value_array.py

Answer 1

Podría usar pandas ( http://pandas.pydata.org/ ). (dado que probé scipy/numpy que no son paquetes de biblioteca estándar de Python, supongo que está bien sugerir otro paquete).

Un DataFrame es un objeto que le permite realizar todas sus operaciones, y muchas más.

import numpy as np                                                                
import pandas as pd                                                               

m = array([[4, 0, 9, 0], [0, 7, 0, 0], [0, 0, 0, 0], [0, 0, 0, 5]])               

# create a dataframe                                                                                  
df = pd.DataFrame(m, columns=[10,20,30,40])   

# replace 0 with NaN (to make use of pandas `dropna`)                                    
df.replace(0, np.NaN, inplace=True)

# values per row                                                                  
df.irow(0).dropna().as_matrix()                                                   
array([ 4.,  9.])                                                                 

df.irow(1).dropna().as_matrix()                                                   
array([ 7.])                                                                      

df2.irow(2).dropna().as_matrix()                                                  
array([], dtype=float64)

# column labels (as list)                                                         
df.irow(1).dropna().index.tolist()
[10, 30]

# or non-zero values per column?
df.icol(0).dropna().as_matrix()
array([ 4.])

# ...

También puede combinar la etiqueta y el valor de la columna, ya que el retorno normal del dropna es un DataFrame.

non_zero_1 = df.irow(0).dropna()
labels_1 = non_zero_1.index

Int64Index([10, 30], dtype=''int64'')

Lo mejor es probar Pandas y ver si se ajusta a tus necesidades. Y también eche un vistazo a la gran introducción ( http://pandas.pydata.org/pandas-docs/stable/10min.html ).

Answer 2

Puede acercarse a lo que desea con una matriz dispersa de CSR:

import scipy.sparse as sps

m_csr = sps.csr_matrix(m)

Ahora puede implementar funciones similares a lo que está buscando de esta manera:

def vals(sps_mat, row):
    row_slice = slice(sps_mat.indptr[row], sps_mat.indptr[row+1])
    return sps_mat.data[row_slice]

def cols(sps_mat, col_labels, row):
    col_labels = np.asarray(col_labels)
    row_slice = slice(sps_mat.indptr[row], sps_mat.indptr[row+1])
    return col_labels[sps_mat.indices[row_slice]]

Usando estas funciones obtenemos:

>>> for row in range(m_csr.shape[0]):
...     print vals(m_csr, row)
...
[4 9]
[7]
[]
[5]

>>> for row in range(m_csr.shape[0]):
...     print cols(m_csr, [10, 20, 30, 40], row)
...
[10 30]
[20]
[]
[40]

Esto será muy eficiente en matrices grandes, aunque la sintaxis no es exactamente lo que usted quería.

Answer 3

Puede acercarse a lo que desea definiendo una clase que contenga m y c :

import numpy as np

class O(object):
    def __init__(self, m, c):
        self.m, self.c = m, c

    def vals(self, i):
        return self.m[i][self.m[i]!=0]

    def cols(self, i):
        return self.c[self.m[i]!=0]


m = np.array([[4, 0, 9, 0],
          [0, 7, 0, 0],
          [0, 0, 0, 0],
          [0, 0, 0, 5]])

c = np.array([ 10, 20, 30, 40])

o = O(m, c)

for i in range(4):
    print ''o.vals({0:d}) = {1}''.format(i, o.vals(i))
for i in range(4):
    print ''o.cols({0:d}) = {1}''.format(i, o.cols(i))

Devoluciones:

o.vals(0) = [4 9]
o.vals(1) = [7]
o.vals(2) = []
o.vals(3) = [5]
o.cols(0) = [10 30]
o.cols(1) = [20]
o.cols(2) = []
o.cols(3) = [40]

(Sin embargo, podría ser más fácil usar la indexación, m[i][m[i]!=0 c[m[i]!=0] directamente).

Answer 4

Puede usar una clase anidada y sobrecargar el atributo __getitem__ de sus objetos:

import numpy as np

class indexer:
   def __init__(self,arr):
      self.arr=arr
      self.d=self.caldict(self.arr)
      self.vals=self.values(self.arr,self.d)
      self.cols=self.columns(self.d)

   def caldict(self,arr,dd={}):
      inds=np.array(np.nonzero(arr)).T
      for i,j in inds:
          dd.setdefault(i,[]).append(j)
      return dd
   class values:
        def __init__(self,arr,d):
           self.arr=arr
           self.d=d

        def __getitem__(self,index):
          try:
            return self.arr.take(index,axis=0)[self.d[index]]
          except KeyError:
            return []
   class columns:
        def __init__(self,d):
           self.d=d
           self.c=np.array([ 10, 20, 30, 40])

        def __getitem__(self,index):
          try:
             return self.c.take(self.d[index])
          except KeyError:
             return []

Manifestación:

m=np.array([[4, 0, 9, 0],
       [0, 7, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 5]])

o=indexer(m)
print o.vals[0],''/n'',o.vals[1],''/n'',o.vals[2],''/n'',o.vals[3]
print ''------------------''
print o.cols[0],''/n'',o.cols[1],''/n'',o.cols[2],''/n'',o.cols[3]

[4 9] 
[7] 
[] 
[5]
------------------
[10 30] 
[20] 
[] 
[40]