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
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。