Numpy içinde yerinde bir matris geçirme

Python's numpy kitaplığını kullanarak, satırlarının ve sütunlarının birçoğunun sırasını değiştirerek, yoğun bir kare geçiş matrisini yerinde değiştirmek istiyorum. Matematiksel olarak bu, matrisin permütasyon matrisi P ile önceden çarpılması ve P ^ -1 = P ^ T ile çarpılması ve sonradan hesaplanması açısından makul bir çözüm değildir.

Şu anda elle satırları ve sütunları değiştiriyorum, ancak N'nin n satır ya da sütuna sahip olduğu f'nin (M, v) güzel bir işlevi olmasını ve f'nin (M, v) güncellemelerini sağlayacak şekilde n girişleri olmasını beklerdim. Endeks müsaadesine göre v. Belki de sadece internette arama yapmakta başarısız oluyorum.

Bunun gibi bir şey, numpy'nin “gelişmiş indeksleme” si ile mümkün olabilir, fakat benim fikrim, böyle bir çözümün yerinde olmamasıdır. Ayrıca bazı basit durumlar için, bir endeks permütasyonunu sadece ayrı olarak izlemek yeterli olabilir, ancak bu benim durumumda uygun değil.

Eklendi:
Bazen insanlar permütasyonlar hakkında konuştuğunda, örneğin istatistiklerde p-değerleri elde etme prosedürünün bir parçası olarak sadece rastgele permütasyonların örneklenmesi anlamına gelir. Veya tüm olası permütasyonları saymak veya saymak anlamına gelir. Bu şeyler hakkında konuşmuyorum.

Eklendi:
Matris, masaüstü RAM'e sığacak kadar küçük, ancak düşüncesizce kopyalamak istemediğim kadar büyük. Aslında matrisleri mümkün olduğu kadar büyük kullanmak istiyorum, ancak bunları RAM'de tutamamak zorluğuyla uğraşmak istemiyorum ve matris üzerinde O (N ^ 3) LAPACK işlemi yapıyorum. pratik matris boyutunu sınırlayın. Şu anda matrisleri gereksiz yere bu kadar büyük kopyalıyorum, ancak bunun permütasyon için kolayca önlenebileceğini umuyorum.

Dokümanlara göre, numdar'da ndarray.sort gibi herhangi bir yerinde permütasyon metodu yoktur .

Yani seçenekleriniz (bunun Mbir matrisi ve permütasyon vektörü olduğu varsayılmaktadır )$N\times N$p

1. kendi algoritmanızı bir C modülünde bir uzatma modülü olarak uygulamak (ancak yerinde algoritmalar zor, en azından benim için!)

2. $N$ bellek yükü

   for i in range(N):
       M[:,i] = M[p,i]
   for i in range(N):
       M[i,:] = M[i,p]
   

3. $N^2$ bellek yükü

   M[:,:] = M[p,:]
   M[:,:] = M[:,p]
   

Umarım bu asılsız hackler faydalıdır.

Uyarı: Aşağıdaki örnek düzgün çalışır, ancak posta ucunda önerilen tüm parametrelerin kullanılması, bir hata veya en azından numpy.take () işlevinde "belgelenmemiş bir özellik" ortaya çıkarır . Ayrıntılar için aşağıdaki yorumlara bakınız. Hata raporu verildi .

Numpy'nin take () işleviyle bunu yerinde yapabilirsiniz , ancak biraz çember atlama gerektirir.

Bir kimlik matrisinin satırlarına rastgele bir permütasyon yapma örneği:

import numpy as np
i = np.identity(10)
rr = range(10)
np.random.shuffle(rr)
np.take(i, rr, axis=0)
array([[ 0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.],
       [ 1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.]])

Yerinde yapmak için yapmanız gereken tek şey "out" parametresini giriş dizisi ile aynı olacak şekilde belirlemektir VE mode = "clip" veya mode = "wrap" ayarlamanız gerekir. Modu ayarlamadıysanız, Python istisnasında dizi durumunu geri yüklemek için bir kopya oluşturulur (buraya bakın) .

Son bir notta, almak yerine bir dizi yöntemi gibi görünüyor

np.take(i, rr, axis=0)

arayabilirsin

i.take(rr, axis=0)

eğer bu damak zevkinize uygunsa. Yani toplamda aradığınız aşağıdaki gibi bir şey olmalı

#Inplace Rearrange
arr = makeMyBixMatrix()
pVec0, pVec1 = calcMyPermutationVectors()
arr.take(pVec0, axis=0, out=arr, mode="clip")
arr.take(pVec1, axis=1, out=arr, mode="clip")

Hem satırlara hem de sütunlara izin vermek için bence ya iki kere çalıştırmanız gerekecek ya da düşünmek için başımı inciten numpy.unravel_index ile çirkin bazı şeytanları çekin .

COOFormatında saklanmış seyrek bir matrisiniz varsa , aşağıdakiler yararlı olabilir:

    A.row = perm[A.row];
    A.col = perm[A.col];

varsayarak Aiçeren COOmatris ve perma, numpy.arraypermütasyon ihtiva etmektedir. Bu sadece hafıza ek yüküne sahip olacaktır ; burada , matrisin sıfır olmayan öğelerinin sayısıdır.$m$$m$

Yorum yapmak için yeterli itibarım yok, ancak aşağıdaki SO sorusunun faydalı olabileceğini düşünüyorum: https://stackoverflow.com/questions/4370745/view-onto-a-numpy-array

Temel noktalar kendinizin kullanabileceği olan temel dilimleme ve kopyalamadan diziye bir görünüm yaratacaktır, ancak bunu yaparsanız gelişmiş dilimleme / indeksleme o zaman olacak bir kopyasını oluşturmak.

Ne dersin

my_array [:, [0, 1]] = my_array [:, [1, 0]]