Первоначально я задал связанный с этим вопрос ">здесь, но, похоже, никуда не денешься. Возможно, если я перефразирую часть этого более конкретно, это может помочь....
У меня есть файлы, хранящиеся в разреженном формате Matlab (HDF5, csc, я полагаю), и я пытаюсь использовать Pytables для работы с ними напрямую, но пока безуспешно. Используя h5py, я могу сделать следующее:
# Method 1: uses h5py (WORKS)
f1 = h5py.File(fname)
data = f1['M']['data']
ir = f1['M']['ir']
jc = f1['M']['jc']
M = scipy.sparse.csc_matrix((data, ir, jc))
но если я попытаюсь сделать эквивалент в Pytables:
# Method 2: uses pyTables (DOESN'T WORK)
f2 = tables.openFile(fname)
data = f2.root.M.data
ir = f2.root.M.ir
jc = f2.root.M.jc
M = scipy.sparse.csc_matrix( (data,ir,jc) )
это не удается (после долгого ожидания) с ошибкой:
TypeError Traceback (most recent call last)
/home/tdiethe/BMJ/<ipython console> in <module>()
/usr/lib/python2.6/dist-packages/scipy/sparse/compressed.pyc in __init__(self, arg1, shape, dtype, copy, dims, nzmax)
56 self.indices = np.array(indices, copy=copy)
57 self.indptr = np.array(indptr, copy=copy)
---> 58 self.data = np.array(data, copy=copy, dtype=getdtype(dtype, data))
59 else:
60 raise ValueError, "unrecognized %s_matrix constructor usage" %\
/usr/lib/python2.6/dist-packages/scipy/sparse/sputils.pyc in getdtype(dtype, a, default)
69 canCast = False
70 else:
---> 71 raise TypeError, "could not interpret data type"
72 else:
73 newdtype = np.dtype(dtype)
TypeError: could not interpret data type
Глядя на f2
:
In [63]: f2.root.M.data
Out[63]:
/M/data (CArray(4753606,), zlib(3)) ''
atom := Float64Atom(shape=(), dflt=0.0)
maindim := 0
flavor := 'numpy'
byteorder := 'little'
chunkshape := (8181,)
In [64]: f2.root.M.ir
Out[64]:
/M/ir (CArray(4753606,), zlib(3)) ''
atom := UInt64Atom(shape=(), dflt=0)
maindim := 0
flavor := 'numpy'
byteorder := 'little'
chunkshape := (8181,)
In [65]: f2.root.M.jc
Out[65]:
/M/jc (CArray(133339,), zlib(3)) ''
atom := UInt64Atom(shape=(), dflt=0)
maindim := 0
flavor := 'numpy'
byteorder := 'little'
chunkshape := (7843,)
У меня есть два вопроса:
- как загрузить этот файл с помощью pytables
- мне нужно выполнить преобразование в scipy разреженную матрицу, чтобы иметь возможность выполнять над ней операции, или я могу выполнять операции непосредственно с файлами на диске (умножение матриц и т.д....) - т.е. без загрузки файла в память ( если нет, то какой смысл использовать pytables?)?
data
,ir
илиjc
. Что numpy может сказать о данных (например, dtype, shape и т. д.)? Являются ли результаты такими, как вы ожидаете? Соответствуют ли они тому, что ожидается вscipy.sparse.csc_matrix
для этой позывной? - person dtlussier   schedule 12.12.2011M = sparse.csc_matrix( (f2.root.M.data[...], f2.root.M.ir[...], f2.root.M.jc[...]) )
Еще не определились со вторым вопросом? Кажется, что в PyTables доступны только поэлементные операции? - person tdc   schedule 13.12.2011