'在朱莉娅？,julia"/>
时间戳

首页 > 解决方案 > 如何读取包含“类型”稀疏矩阵的泡菜文件'在朱莉娅？

julia - 如何读取包含“类型”稀疏矩阵的泡菜文件'在朱莉娅？

问题描述

我正在尝试在 Julia 中读取一个 pickle 文件，该文件最初是在 python 中创建的。这是我所做的：

f3=open("filename.pickle");

r3 = pickle.load(f3)

这将返回以下内容：

PyObject <41302x1425 sparse matrix of type '<class 'numpy.float32'>'
    with 1602890 stored elements in Compressed Sparse Row format>

  1. 如何访问矩阵元素？

  2. 假设我在 Julia 中有一个稀疏矩阵，如何将数据存储到具有相同格式的 pickle 文件中？

仅供参考，我已经执行以下操作来解决有关找不到 scipy 模块的错误：

using Conda

Conda.add("scipy")

标签： julia

解决方案

从 Julia 到 Python pickle：

julia> using PyCall

julia> a = rand(Float32, 2,2)
2×2 Array{Float32,2}:
 0.943764  0.726961
 0.9184    0.422781

julia> pickle = pyimport("pickle");

julia> open("pyt.pickle", "w") do f
         pickle.dump(a, f)
       end

在 Python 中阅读上述泡菜：

>>> import pickle, numpy
>>> f=open("pyt.pickle","rb")
>>> a = pickle.load(f)
>>> f.close()
>>> a
array([[0.94376445, 0.72696066],
       [0.91840017, 0.42278147]], dtype=float32)
>>> type(a)
<class 'numpy.ndarray'>

准备这次将在 Julia 中阅读的新泡菜：

>>> b = numpy.ones((2,3),dtype='float32')
>>> b
array([[1., 1., 1.],
       [1., 1., 1.]], dtype=float32)
>>> f=open("pyt2.pickle","wb")
>>> pickle.dump(b, f)
>>> f.close()

阅读 Python 在 Julia 中创建的泡菜：

julia> using PyCall

julia> pickle = pyimport("pickle");

julia> open("pyt2.pickle", "r") do f
         pickle.load(f)
       end
2×3 Array{Float32,2}:
 1.0  1.0  1.0
 1.0  1.0  1.0

在这个介绍之后，让我们做一个稀疏数组。我们从 Python 设置开始：

>>> import scipy
>>> a = scipy.sparse.rand(4,4,0.25,dtype="float32")
>>> a
<4x4 sparse matrix of type '<class 'numpy.float32'>'
        with 4 stored elements in COOrdinate format>
>>> f=open("pyt3.pickle","wb")
>>> pickle.dump(a, f)
>>> f.close()
>>> print(a)
  (0, 3)        0.30552787
  (3, 0)        0.810103
  (2, 1)        0.691249
  (2, 2)        0.63436085

现在让我们在 Julia 中阅读它：

julia> a=open("pyt3.pickle", "r") do f
                pickle.load(f)
                       end
PyObject <4x4 sparse matrix of type '<class 'numpy.float64'>'
        with 4 stored elements in COOrdinate format>
julia> using SparseArrays;      
julia> res = spzeros(Float32, a.shape...);
julia> sp = pyimport("scipy.sparse");
julia> i,j,vals = sp.find(a);

julia> setindex!.(Ref(res), vals, i .+ 1, j .+ 1); #we copy the data to Julia structure


julia> res
4×4 SparseMatrixCSC{Float32,Int64} with 4 stored entries:
  [4, 1]  =  0.810103
  [3, 2]  =  0.691249
  [3, 3]  =  0.634361
  [1, 4]  =  0.305528

推荐阅读