快捷導(dǎo)航

scipy稀疏數(shù)組coo_array的實(shí)現(xiàn)

更新時(shí)間：2023年02月21日 11:08:21 作者：微小冷

本文主要介紹了scipy稀疏數(shù)組coo_array的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

coo_array

coo也被稱為ijv，是一種三元組格式，對(duì)于矩陣中第i ii行第j jj列的值v vv，將其存儲(chǔ)為( i , j , v ) (i,j,v)(i,j,v)這樣的三元組，即為coo_array的原理。

例如

import numpy as np
from scipy.sparse import coo_array
row  = np.array([0, 3, 1, 0])
col  = np.array([0, 3, 1, 2])
data = np.array([4, 5, 7, 9])
coo_array((data, (row, col)), shape=(4, 4)).toarray()
print(coo.toarray())

其輸出結(jié)果為

但需要注意一點(diǎn)，若行數(shù)組和列數(shù)組所對(duì)應(yīng)的矩陣坐標(biāo)發(fā)生了重復(fù)，那么重復(fù)位置處對(duì)應(yīng)的值會(huì)累加，

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_array((data, (row, col)), shape=(4, 4))
print(coo.toarray())

結(jié)果為

初始化方案

coo_array(D) D是一個(gè)稀疏數(shù)組或2 × D 2\times D2×D數(shù)組
coo_array(S) S是另一種稀疏數(shù)組
coo_array((M, N),dtype='d') 創(chuàng)建一個(gè)shape為( M , N ) (M, N)(M,N)的空數(shù)組，dtype為數(shù)據(jù)類型
coo_array((data, (i,j))) (i, j)是坐標(biāo)數(shù)組，data是數(shù)據(jù)數(shù)組，設(shè)新矩陣為a，則a[i[k], j[k]] = data[k]

前三種比較容易理解，下面驗(yàn)證一下第四種

>>> from scipy.sparse import coo_array
>>> import numpy as np
>>> data = np.random.rand(3)
>>> x = y = np.arange(3).astype(int)
>>> coo = coo_array((data,(x,y)))
>>> coo.toarray()
array([[0.28050236, 0.        , 0.        ],
       [0.        , 0.59568482, 0.        ],
       [0.        , 0.        , 0.84392724]])

內(nèi)置方法

稀疏數(shù)組在計(jì)算上并不便捷，所以coo_array中內(nèi)置了下列函數(shù)，可以高效地完成計(jì)算。


函數(shù)	`expm1`, `log1p`, `sqrt`, `pow`, `sign`
三角函數(shù)	`sin`, `tan`, `arcsin`, `arctan`, `deg2rad`, `rad2deg`
雙曲函數(shù)	`sinh`, `tanh`, `arcsinh`, `arctanh`
索引	`getcol`, `getrow`, `nonzero`, `argmax`, `argmin`, `max`, `min`
舍入	`ceil`, `floor`, `trunc`
變換	`conj`, `conjugate`, `getH`
統(tǒng)計(jì)	`count_nonzero`, `getnnz`, `mean`, `sum`
矩陣	`diagonal`, `trace`
獲取屬性	`get_shape`, `getformat`
計(jì)算比較	`multiply`, `dot`, `maximum`, `minimum`
轉(zhuǎn)換	`asformat`, `asfptype`, `astype`, `toarray`, `todense`
轉(zhuǎn)換	`tobsr`, `tocoo`, `tocsc`, `tocsr`, `todia`, `todok`, `tolil`
更改維度	`set_shape`, `reshape`, `resize`, `transpose`
排序	`sort_indices`, `sorted_indices`
移除元素	`eliminate_zeros`, `prune`, `sum_duplicates`
其他	`copy`, `check_format`, `getmaxprint`, `rint`, `setdiag`

到此這篇關(guān)于scipy稀疏數(shù)組coo_array的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)scipy稀疏數(shù)組coo_array內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: