Scipy 教程-SciPy 稀疏矩阵
P
点击关注 👉约 2 分钟
点击关注 👉约 2 分钟整理：python架构师
稀疏矩阵允许数据结构存储大型稀疏矩阵，并提供执行复杂矩阵计算的功能。简单来说，假设你有一个包含数百个元素的二维矩阵，但其中只有少数几个包含非零值。如果使用排序方法对这个矩阵进行排序，我们将浪费大量空间来存储零。
稀疏数据结构允许我们仅存储非零值，假设其余的都是零。
SciPy中的稀疏矩阵类型
块稀疏行矩阵（BSR）
坐标列表矩阵（COO）
压缩稀疏列矩阵（CSC）
压缩稀疏行矩阵（CSR）
对角线存储的稀疏矩阵（DIA）
基于键的字典稀疏矩阵（DOK）
基于行的链表稀疏矩阵（LIL）
👉点击领取：最全Python资料合集
考虑以下示例：
import numpy as npfrom scipy.sparse import randomnp.random.seed(10)# Generate a random binary sparse matrixmatrix = random(5, 5, format='csr', density=0.25)# Substitute all non zero values with index numbermatrix.data[:] = np.arange(1, matrix.data.shape[0]+1)# We can access and modify these arrays:print(matrix.toarray())print("The data is",matrix.data)print("Cell which consits the non-zero values",matrix.indptr)
输出:
[[0. 1. 0. 0. 0.][2. 0. 0. 0. 0.][3. 0. 4. 0. 0.][0. 0. 5. 0. 0.][0. 0. 0. 6. 0.]]The data is [1. 2. 3. 4. 5. 6.]Cell which consits the non-zero values [0 1 2 4 5 6]
热门推荐