coo_array#
- class scipy.sparse.coo_array(arg1, shape=None, dtype=None, copy=False, *, maxprint=None)[source]#
COOrdinate 格式的稀疏数组。
也称为“ijv”或“三元组”格式。
- 这可以通过以下几种方式实例化
- coo_array(D)
其中 D 是一个 ndarray
- coo_array(S)
使用另一个稀疏数组或矩阵 S(等同于 S.tocoo())
- coo_array(shape, [dtype])
构建一个具有形状
shape
的空稀疏数组。dtype 是可选的,默认为 dtype='d'。- coo_array((data, coords), [shape])
- 从现有数据和索引数组构建
data[:] 稀疏数组的条目,顺序不限
coords[i][:] 数据条目的轴 i 坐标
其中
A[coords] = data
,且 coords 是一个索引数组的元组。如果未指定 shape,则从索引数组推断。
- 属性:
方法
__len__
()arcsin
()逐元素的反正弦。
arcsinh
()逐元素的反正弦双曲。
arctan
()逐元素的反正切。
arctanh
()逐元素的反正切双曲。
argmax
([axis, out, explicit])返回沿轴的最大元素的索引。
argmin
([axis, out, explicit])返回沿轴的最小元素的索引。
asformat
(format[, copy])以传入的格式返回此数组/矩阵。
astype
(dtype[, casting, copy])将数组/矩阵元素转换为指定类型。
ceil
()逐元素的向上取整。
conj
([copy])逐元素的复共轭。
conjugate
([copy])逐元素的复共轭。
copy
()返回此数组/矩阵的副本。
count_nonzero
([axis])非零条目数量,等同于
deg2rad
()逐元素的角度转弧度。
diagonal
([k])返回数组/矩阵的第 k 条对角线。
dot
(other)返回两个数组的点积。
从数组/矩阵中移除零条目
expm1
()逐元素的 expm1。
floor
()逐元素的向下取整。
log1p
()逐元素的 log1p。
max
([axis, out, explicit])返回数组/矩阵的最大值或沿轴的最大值。
maximum
(other)此数组/矩阵与另一个数组/矩阵之间的逐元素最大值。
mean
([axis, dtype, out])计算沿指定轴的算术平均值。
min
([axis, out, explicit])返回数组/矩阵的最小值或沿轴的最大值。
minimum
(other)此数组/矩阵与另一个数组/矩阵之间的逐元素最小值。
multiply
(other)与另一个数组/矩阵的逐元素乘法。
nanmax
([axis, out, explicit])返回沿轴的最大值,忽略任何 NaN。
nanmin
([axis, out, explicit])返回沿轴的最小值,忽略任何 NaN。
nonzero
()数组/矩阵的非零索引。
power
(n[, dtype])此函数执行逐元素幂运算。
rad2deg
()逐元素的弧度转角度。
reshape
(self, shape[, order, copy])在不改变数据的情况下,为稀疏数组/矩阵赋予新形状。
resize
(*shape)将数组/矩阵就地调整为由
shape
给定的维度rint
()逐元素的 rint。
setdiag
(values[, k])设置数组/矩阵的对角线或非对角线元素。
sign
()逐元素的符号。
sin
()逐元素的正弦。
sinh
()逐元素的双曲正弦。
sqrt
()逐元素的平方根。
sum
([axis, dtype, out])将数组/矩阵元素沿给定轴求和。
通过将重复条目相加来消除它们
tan
()逐元素的正切。
tanh
()逐元素的双曲正切。
tensordot
(other[, axes])返回此数组与另一个数组沿给定轴的张量积。
toarray
([order, out])返回此稀疏数组/矩阵的密集 ndarray 表示。
tobsr
([blocksize, copy])将此数组/矩阵转换为块稀疏行格式。
tocoo
([copy])将此数组/矩阵转换为 COOrdinate 格式。
tocsc
([copy])将此数组/矩阵转换为压缩稀疏列格式
tocsr
([copy])将此数组/矩阵转换为压缩稀疏行格式
todense
([order, out])返回此稀疏数组的密集表示。
todia
([copy])将此数组/矩阵转换为稀疏对角线格式。
todok
([copy])将此数组/矩阵转换为键字典格式。
tolil
([copy])将此数组/矩阵转换为列表的列表格式。
trace
([offset])返回稀疏数组/矩阵对角线上的和。
transpose
([axes, copy])反转稀疏数组/矩阵的维度。
trunc
()逐元素的截断。
__mul__
备注
稀疏数组可用于算术运算:它们支持加法、减法、乘法、除法和矩阵幂运算。
- COO 格式的优点
便于稀疏格式之间的快速转换
允许重复条目(参见示例)
与 CSR/CSC 格式之间转换非常快
- COO 格式的缺点
- 不支持直接
算术运算
切片
- 预期用途
COO 是一种用于构建稀疏数组的快速格式
一旦构建了 COO 数组,将其转换为 CSR 或 CSC 格式以进行快速算术和矩阵向量运算
默认情况下,当转换为 CSR 或 CSC 格式时,重复的 (i,j) 条目将被累加。这有助于高效地构建有限元矩阵等。(参见示例)
- 规范格式
条目和坐标按行排序,然后按列排序。
没有重复条目(即重复的 (i,j) 位置)
数据数组可能包含显式零。
示例
>>> # Constructing an empty sparse array >>> import numpy as np >>> from scipy.sparse import coo_array >>> coo_array((3, 4), dtype=np.int8).toarray() array([[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]], dtype=int8)
>>> # Constructing a sparse array 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_array((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 sparse array with duplicate coordinates >>> 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)) >>> # Duplicate coordinates 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]])