scipy.sparse.csr_matrix¶
- class scipy.sparse.csr_matrix(arg1, shape=None, dtype=None, copy=False)[源代码]¶
压缩稀疏行矩阵
- 这可以通过几种方式实例化：
- CSR_矩阵(D)
具有稠密矩阵或秩为2的ndarray D
- CSR_矩阵(S)
具有另一个稀疏矩阵S(等价于S.tocsr())
- CSR_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’。
- csr_Matrix((data，(row_ind，colind)， [shape=(M, N)] )
哪里
data，row_ind和col_ind满足关系a[row_ind[k], col_ind[k]] = data[k]。- CSR_矩阵((data，index，indptr)， [shape=(M, N)] )
是存储第i行的列索引的标准CSR表示形式
indices[indptr[i]:indptr[i+1]]并且它们的相应值存储在data[indptr[i]:indptr[i+1]]。如果未提供Shape参数，则从索引数组推断矩阵尺寸。
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。
- CSR格式的优势
高效的算术运算CSR+CSR、CSR*CSR等。
高效的行切片
快速矩阵向量积
- CSR格式的缺点
慢速列切片操作(考虑CSC)
对稀疏结构的更改代价高昂(考虑LIL或DOK)
示例
>>> import numpy as np >>> from scipy.sparse import csr_matrix >>> csr_matrix((3, 4), dtype=np.int8).toarray() array([[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]], dtype=int8)
>>> row = np.array([0, 0, 1, 2, 2, 2]) >>> col = np.array([0, 2, 2, 0, 1, 2]) >>> data = np.array([1, 2, 3, 4, 5, 6]) >>> csr_matrix((data, (row, col)), shape=(3, 3)).toarray() array([[1, 0, 2], [0, 0, 3], [4, 5, 6]])
>>> indptr = np.array([0, 2, 3, 6]) >>> indices = np.array([0, 2, 2, 0, 1, 2]) >>> data = np.array([1, 2, 3, 4, 5, 6]) >>> csr_matrix((data, indices, indptr), shape=(3, 3)).toarray() array([[1, 0, 2], [0, 0, 3], [4, 5, 6]])
重复条目加在一起：
>>> row = np.array([0, 1, 2, 0]) >>> col = np.array([0, 1, 1, 0]) >>> data = np.array([1, 2, 4, 8]) >>> csr_matrix((data, (row, col)), shape=(3, 3)).toarray() array([[9, 0, 0], [0, 2, 0], [0, 4, 0]])
作为如何增量构建CSR矩阵的示例，下面的代码片段从文本构建术语文档矩阵：
>>> docs = [["hello", "world", "hello"], ["goodbye", "cruel", "world"]] >>> indptr = [0] >>> indices = [] >>> data = [] >>> vocabulary = {} >>> for d in docs: ... for term in d: ... index = vocabulary.setdefault(term, len(vocabulary)) ... indices.append(index) ... data.append(1) ... indptr.append(len(indices)) ... >>> csr_matrix((data, indices, indptr), dtype=int).toarray() array([[2, 1, 0, 0], [0, 1, 1, 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
CSR格式矩阵的数据数组
- indices
CSR格式矩阵的索引数组
- indptr
CSR格式的矩阵的索引指针数组
has_sorted_indices确定矩阵是否具有排序索引
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。
check_format\([full_check] )检查矩阵格式是否有效
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\(i)以(M X 1)CSR矩阵(列向量)的形式返回矩阵第i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)CSR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)按点乘以另一个矩阵、向量或标量。
nonzero\()非零折射率
power\(n[, dtype] )此函数执行元素级电源。
prune\()删除所有非零元素后的空格。
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
shaperint\()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。
sort_indices\()对此矩阵的索引进行排序 就位
sorted_indices\()返回带有排序索引的此矩阵的副本
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] )返回此矩阵的密集ndarray表示。
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。
__getitem__