Scipy.sparse模块中的coo_matrix、csc_matrix、csr

三种函数的英文全名，首先是从表面意思上入手。
coo_matrix ：COOrdinate format matrix（坐标格式矩阵）
csc_matrix：Compressed Sparse Column matrix（压缩稀疏列矩阵）
csr_matrix：Compressed Sparse Row matrix（压缩稀疏行矩阵）
这三个函数都是用来构建稀疏矩阵(矩阵中非0元素较少)的，而且可以得到一样的矩阵，只是方式不同。
coo_matrix
先从容易理解的coo_matirx开始，帮助大家对构造稀疏矩阵方法有个初步的认识。

from scipy.sparse import coo_matrix
import numpy as np
row = np.array([1, 1, 3, 2]) # 行索引
col = np.array([0, 2, 2, 3]) # 列索引
data= np.array([5, 8, 4, 9]) # 索引对应的数值
coo = coo_matrix((data, (row, col)), shape=(4, 4)).todense()
#先看shape，表示这个稀疏矩阵是4x4大小的，所有值初始都为0，即4x4的全0矩阵
#(row, col)行、列组合就表示一个具体的位置，其(1,0),(1,2),(3,2),(2,3)就是4x4矩阵的索引位置。
#data,表示索引位置上的数值，即(1,0)上的数值为5，(1,2)上的数值为8，等等。
#todense,作用可以自己试试，如果没有这个函数，则输出如下结果
#  (1, 0)   5
#  (1, 2)   8
#  (3, 2)   4
#  (2, 3)   9
print(coo)
#打印出coo稀疏矩阵

输出：

[[0 0 0 0][5 0 8 0][0 0 0 9][0 0 4 0]]
Process finished with exit code 0

csc_matrix

from scipy.sparse import csc_matrix
import numpy as np
row = np.array([1, 1, 3, 2])
col = np.array([0, 1, 1, 3, 4])
#将col列分为4段{0:1, 1:1, 1:3, 3:4},每段表示每一列有多少个数，具体来说就是第0列有1个数，第1列有0个数，第2列有2个数，第3列有1个数。
data= np.array([5, 8, 4, 9])
#结合row，col,则第0列的数(5)出现在第1行，第2列的数(8、4)分别出现在第1、3行，第3列的数(9)出现在第2行.
coo = csc_matrix((data, row, col), shape=(4, 4)).todense()
print(coo)

输出：

[[0 0 0 0][5 0 8 0][0 0 0 9][0 0 4 0]]
Process finished with exit code 0

csr_matrix

from scipy.sparse import csr_matrix
import numpy as np
row = np.array([0, 0, 2, 3, 4])
##将row列分为4段{0:0, 0:2, 2:3, 3:4},每段表示每一列有多少个数，具体来说就是第0行有0个数，第1行有2个数，第2行有1个数，第3行有1个数。
col = np.array([0, 2, 3, 2]) # 注意与coo_matrix的col内的数值顺序不一样
data= np.array([5, 8, 9, 4]) # 注意与coo_matrix的data内的数值顺序不一样
#结合row，col,则第1行的数(5、8)出现在第0列和第2列，第2行的数(9)分别出现在第3列，第3行的数(4)出现在第2列.
coo = csr_matrix((data, col, row), shape=(4, 4)).toarray()
print(coo)

输出：

[[0 0 0 0][5 0 8 0][0 0 0 9][0 0 4 0]]
Process finished with exit code 0

综上，coo_matrix、csc_matrix、csr_matrix三个函数可以得到一样的矩阵，只是方式不同。

Scipy.sparse模块中的coo_matrix、csc_matrix、csr_matrix函数相关推荐

Scipy.sparse模块中coo_matrix、csc_matrix、csr_matrix区别
Scipy.sparse模块常用的三种具体形式 coo_matrix :COOrdinate format matrix csc_matrix :Compressed Sparse Column ma ...
python scipy.stats.norm.cdf_python的scipy.stats模块中正态分布常用函数总结
python的scipy.stats模块是连续型随机变量的公共方法,可以产生随机数,通常是以正态分布作为scipy.stats的基本使用方法.本文介绍正态分布的两种常用函数:1.累积概率密度函数sta ...
使用scipy.integrate模块中的quad和dblquad方法分别进行单重积分和多重积分
一.单重积分一般而言,使用求解微积分可以分为两大类:符号积分(即求出解析解)和数值积分(即求出数值解).在计算机的处理当中,数值解往往更有意义. quadquadquad函数是 sc ...
pythoncopy函数_Python的shutil模块中文件的复制操作函数详解
copy()chutil.copy(source, destination) shutil.copy() 函数实现文件复制功能,将 source 文件复制到 destination 文件夹中,两个参数 ...
Python稀疏矩阵运算库scipy.sparse用法精要
1.稀疏矩阵的常见存储形式 bsr_matrix(arg1[, shape, dtype, copy, blocksize]) Block Sparse Row matrix coo_matrix(a ...
正确理解scipy中的coo_matrix函数
正确理解scipy中的coo_matrix函数 1. 构造一个空矩阵 2. 使用ijv(triplet)格式构造一个矩阵 3. 用重复的索引构造矩阵 1. 构造一个空矩阵这种用法比较简单,直接生成一 ...
scipy.sparse使用简例
CDIMC-Net[1] 中有个对整个数据集求 kNN 图的函数 get_kNNgraph2[2],是用 dense 的 numpy.ndarray 存的,空间复杂度 O ( n 2 ) O(n^2) ...
Scipy.sparse中coo_matrix、csc_matrix、csr_matrix、lil_matrix辨析
简介 1. coo_matrix: 坐标格式的矩阵(Coodrdinate format matrix) data = [1, 1, 1] row = [0, 1, 1] col = [0, 1, 1 ...
scipy.sparse.csr_matrix函数和coo_matrix函数
Scipy高级科学计算库:和Numpy联系很密切,Scipy一般都是操控Numpy数组来进行科学计算.统计分析,所以可以说是基于Numpy之上了.Scipy有很多子模块可以应对不同的应用,例如插值运算 ...

Scipy.sparse模块中的coo_matrix、csc_matrix、csr_matrix函数

Scipy.sparse模块中的coo_matrix、csc_matrix、csr_matrix函数相关推荐

最新文章

热门文章