scipy.sparse.

coo_array#

class scipy.sparse.coo_array(arg1, shape=None, dtype=None, copy=False)[source]#

以 COO(坐标)格式表示的稀疏数组。

也称为“ijv”或“三元组”格式。

可以使用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(等效于 S.tocoo())

coo_array(shape, [dtype])

用于构造具有形状 shape 的空稀疏数组,dtype 可选,默认为 dtype=’d’。

coo_array((data, coords), [shape])
使用现有的数据和索引数组进行构造
  1. data[:] 稀疏数组的条目,可以是任何顺序

  2. coords[i][:] 数据条目的第 i 轴坐标

其中 A[coords] = data,coords 是索引数组的元组。当 shape 未指定时,它将从索引数组推断得出。

注意

稀疏数组可以在算术运算中使用:它们支持加法、减法、乘法、除法和矩阵幂。

COO 格式的优势
  • 便于在稀疏格式之间快速转换

  • 允许重复条目(参见示例)

  • 从 CSR/CSC 格式进行快速转换

COO 格式的劣势
  • 不支持
    • 算术运算

    • 切片

预期用途
  • COO 是用于构建稀疏数组的快速格式

  • 构建 COO 数组后,将其转换为 CSR 或 CSC 格式,以便进行快速算术运算和矩阵向量运算

  • 默认情况下,在转换为 CSR 或 CSC 格式时,重复的 (i,j) 条目将相加在一起。这有助于有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(即没有重复的 (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]])
属性:
dtypedtype

稀疏数组的数据类型

shape整数元组

稀疏数组的形状

ndimint

稀疏数组的维度数

nnz

存储值的个数,包括显式零。

size

存储值的个数。

data

稀疏数组的 COO 格式数据数组

coords

COO 格式的索引数组元组

has_canonical_formatbool

矩阵是否具有排序的坐标且没有重复项

format

矩阵的格式字符串。

T

转置。

方法

__len__()

arcsin()

按元素计算反正弦。

arcsinh()

按元素计算双曲反正弦。

arctan()

按元素计算反正切。

arctanh()

按元素计算双曲反正切。

argmax([axis, out])

返回沿轴的最大元素的索引。

argmin([axis, out])

返回沿轴的最小元素的索引。

asformat(format[, copy])

以给定格式返回此数组/矩阵。

astype(dtype[, casting, copy])

将数组/矩阵元素强制转换为指定类型。

ceil()

按元素计算上取整。

conj([copy])

按元素进行复数共轭。

conjugate([copy])

按元素进行复数共轭。

copy()

返回此数组/矩阵的副本。

count_nonzero()

非零条目的个数,等效于

deg2rad()

按元素进行角度到弧度转换。

diagonal([k])

返回数组/矩阵的第 k 个对角线。

dot(other)

普通的点积

eliminate_zeros()

从数组/矩阵中删除零条目

expm1()

按元素计算 exp(x) - 1。

floor()

按元素计算下取整。

log1p()

按元素计算 log(1 + x)。

max([axis, out])

返回数组/矩阵的最大值或沿轴的最大值。

maximum(other)

按元素计算当前数组/矩阵与另一个数组/矩阵之间的最大值。

mean([axis, dtype, out])

沿指定轴计算算术平均值。

min([axis, out])

返回数组/矩阵的最小值或沿轴的最小值。

minimum(other)

按元素计算当前数组/矩阵与另一个数组/矩阵之间的最小值。

multiply(other)

与另一个数组/矩阵进行逐点乘法。

nanmax([axis, out])

返回数组/矩阵的最大值或沿轴的最大值,忽略任何 NaN。

nanmin([axis, out])

返回数组/矩阵的最小值或沿轴的最小值,忽略任何 NaN。

nonzero()

数组/矩阵的非零索引。

power(n[, dtype])

此函数执行按元素计算幂。

rad2deg()

按元素进行弧度到角度转换。

reshape(self, shape[, order, copy])

为稀疏数组/矩阵提供新的形状,而不改变其数据。

resize(*shape)

将数组/矩阵就地调整大小,使其维度与 shape 所给出的大小一致

rint()

按元素进行四舍五入。

setdiag(values[, k])

设置数组/矩阵的对角线或非对角线元素。

sign()

按元素计算符号。

sin()

按元素计算正弦。

sinh()

按元素计算双曲正弦。

sqrt()

按元素计算平方根。

sum([axis, dtype, out])

沿给定轴对数组/矩阵元素求和。

sum_duplicates()

通过将重复条目加在一起来消除重复条目

tan()

按元素计算正切。

tanh()

按元素计算双曲正切。

toarray([order, out])

返回此稀疏数组/矩阵的密集 ndarray 表示形式。

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 COO(坐标)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/矩阵的密集表示形式。

todia([copy])

将此数组/矩阵转换为稀疏对角线格式。

todok([copy])

将此数组/矩阵转换为键值字典格式。

tolil([copy])

将此数组/矩阵转换为列表列表格式。

trace([offset])

返回稀疏数组/矩阵对角线上的总和。

transpose([axes, copy])

反转稀疏数组/矩阵的维度。

trunc()

元素级截断。

__mul__