scipy.sparse.coo_matrix¶

class scipy.sparse.coo_matrix(arg1, shape=None, dtype=None, copy=False)[源代码]¶

坐标格式的稀疏矩阵。

也称为“IJV”或“Triplet”格式。

这可以通过几种方式实例化：

COO_矩阵(D)

具有稠密矩阵D

COO_矩阵(S)

具有另一个稀疏矩阵S(等价于S.tocoo())

COO_矩阵((M，N)， [数据类型] )

要构造形状为(M，N)的空矩阵，dtype是可选的，默认为dtype=‘d’。

COO_MATRIX((data，(i，j))， [shape=(M, N)] )

要从三个数组构造，请执行以下操作：

数据 [:] 矩阵的条目，按任意顺序排列
我 [:] 矩阵条目的行索引
J [:] 矩阵条目的列索引

哪里 A[i[k], j[k]] = data[k] 。如果未指定Shape，则从索引数组中推断

注意事项

稀疏矩阵可用于算术运算：它们支持加、减、乘、除和矩阵幂。

COO格式的优势

促进稀疏格式之间的快速转换
允许重复条目(请参见示例)
在CSR/CSC格式之间进行非常快速的转换

COO格式的缺点

不直接支持：
- 算术运算
- 切片

预期用途

COO是一种构造稀疏矩阵的快速格式
构建矩阵后，将其转换为CSR或CSC格式以实现快速算术和矩阵向量运算
默认情况下，转换为CSR或CSC格式时，会将重复的(i，j)条目相加在一起。这便于有效地构造有限元矩阵等。(请参见示例)

示例

>>> # Constructing an empty matrix
>>> from scipy.sparse import coo_matrix
>>> coo_matrix((3, 4), dtype=np.int8).toarray()
array([[0, 0, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 0]], dtype=int8)

>>> # Constructing a matrix using ijv format
>>> row  = np.array([0, 3, 1, 0])
>>> col  = np.array([0, 3, 1, 2])
>>> data = np.array([4, 5, 7, 9])
>>> coo_matrix((data, (row, col)), shape=(4, 4)).toarray()
array([[4, 0, 9, 0],
       [0, 7, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 5]])

>>> # Constructing a matrix with duplicate indices
>>> row  = np.array([0, 0, 1, 3, 1, 0, 0])
>>> col  = np.array([0, 2, 1, 3, 1, 0, 0])
>>> data = np.array([1, 1, 1, 1, 1, 1, 1])
>>> coo = coo_matrix((data, (row, col)), shape=(4, 4))
>>> # Duplicate indices are maintained until implicitly or explicitly summed
>>> np.max(coo.data)
1
>>> coo.toarray()
array([[3, 0, 1, 0],
       [0, 2, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 1]])

属性

dtype数据类型: 矩阵的数据类型
shape2元组: 获得矩阵的形状。
ndim集成: 维数(该值始终为2)
nnz: 存储值的数量，包括显式零。
data: 矩阵的COO格式数据数组
row: 矩阵的COO格式行索引数组
col: 矩阵的COO格式列索引数组

方法：

`__len__` \()
`__mul__` \(其他)	解释其他并调用以下任一
`arcsin` \()	基于元素的反正弦。
`arcsinh` \()	以元素为单位的反正弦。
`arctan` \()	基于元素的弧线。
`arctanh` \()	以元素为单位的弧度。
`argmax` \([axis, out] )	返回轴上最大元素的索引。
`argmin` \([axis, out] )	返回轴上最小元素的索引。
`asformat` \(格式[, copy] )	以传递的格式返回此矩阵。
`asfptype` \()	将矩阵向上转换为浮点格式(如有必要)
`astype` \(dtype[, casting, copy] )	将矩阵元素强制转换为指定类型。
`ceil` \()	按元素排列的单元格。
`conj` \([copy] )	元素复数共轭。
`conjugate` \([copy] )	元素复数共轭。
`copy` \()	返回此矩阵的副本。
`count_nonzero` \()	非零条目数，相当于
`deg2rad` \()	元素方向的de2rad。
`diagonal` \([k] )	返回矩阵的第k条对角线。
`dot` \(其他)	普通点积
`eliminate_zeros` \()	从矩阵中删除零个条目
`expm1` \()	基于元素的表达式1。
`floor` \()	基于图元的楼板。
`getH` \()	返回此矩阵的厄米转置。
`get_shape` \()	获得矩阵的形状。
`getcol` \(J)	以(M X 1)稀疏矩阵(列向量)的形式返回矩阵第j列的副本。
`getformat` \()	矩阵表示形式为字符串的格式。
`getmaxprint` \()	打印时显示的最大元素数。
`getnnz` \([axis] )	存储值的数量，包括显式零。
`getrow` \(i)	以(1 X N)稀疏矩阵(行向量)的形式返回矩阵第i行的副本。
`log1p` \()	基于元素的log1p。
`max` \([axis, out] )	返回矩阵的最大值或沿轴的最大值。
`maximum` \(其他)	此矩阵与另一个矩阵之间的元素最大值。
`mean` \([axis, dtype, out] )	计算沿指定轴的算术平均值。
`min` \([axis, out] )	返回轴上矩阵的最小值或最大值。
`minimum` \(其他)	此矩阵与另一个矩阵之间的元素最小值。
`multiply` \(其他)	另一个矩阵的逐点乘法
`nonzero` \()	非零折射率
`power` \(n[, dtype] )	此函数执行元素级电源。
`rad2deg` \()	基于元素的rad2deg。
`reshape` \(自身，形状[, order, copy] )	在不更改稀疏矩阵数据的情况下为其赋予新形状。
`resize` \(*形状)	就地调整矩阵大小至给定的尺寸 `shape`
`rint` \()	基于元素的Rint。
`set_shape` \(形状)	看见 reshape 。
`setdiag` \(值[, k] )	设置阵列的对角或非对角元素。
`sign` \()	以元素为基础的符号。
`sin` \()	基于元素的罪过。
`sinh` \()	基于元素的SINH。
`sqrt` \()	基于元素的sqrt。
`sum` \([axis, dtype, out] )	对给定轴上的矩阵元素求和。
`sum_duplicates` \()	通过将重复的矩阵条目添加到一起来消除重复的矩阵条目
`tan` \()	按元素晒黑。
`tanh` \()	基于元素的TANH。
`toarray` \([order, out] )	请参阅的文档字符串 `spmatrix.toarray` 。
`tobsr` \([blocksize, copy] )	将此矩阵转换为挡路稀疏行格式。
`tocoo` \([copy] )	将此矩阵转换为坐标格式。
`tocsc` \([copy] )	将此矩阵转换为压缩的稀疏列格式
`tocsr` \([copy] )	将此矩阵转换为压缩的稀疏行格式
`todense` \([order, out] )	返回此矩阵的密集矩阵表示形式。
`todia` \([copy] )	将此矩阵转换为稀疏对角线格式。
`todok` \([copy] )	将此矩阵转换为键字典格式。
`tolil` \([copy] )	将此矩阵转换为列表列表格式。
`trace` \([offset] )	返回稀疏矩阵沿对角线的总和。
`transpose` \([axes, copy] )	反转稀疏矩阵的维数。
`trunc` \()	基于元素的主干。

scipy.sparse.bsr_matrix.trunc

scipy.sparse.coo_matrix.__len__