coo_matrix#
- class scipy.sparse.coo_matrix(arg1, shape=None, dtype=None, copy=False, *, maxprint=None)[源代码]#
一个 COOrdinate 格式的稀疏矩阵。
也称为“ijv”或“三元组”格式。
- 可以通过多种方式实例化
- coo_matrix(D)
其中 D 是一个二维 ndarray
- coo_matrix(S)
与另一个稀疏数组或矩阵 S (等同于 S.tocoo())
- coo_matrix((M, N), [dtype])
构造一个形状为 (M, N) 的空矩阵。dtype 是可选的,默认为 dtype='d'。
- coo_matrix((data, (i, j)), [shape=(M, N)])
- 从三个数组构造
data[:] 矩阵的条目,顺序不限
i[:] 矩阵条目的行索引
j[:] 矩阵条目的列索引
其中
A[i[k], j[k]] = data[k]
。当未指定 shape 时,它会从索引数组中推断出来。
- 属性:
方法
__len__
()__mul__
(other)arcsin
()逐元素 arcsin。
arcsinh
()逐元素 arcsinh。
arctan
()逐元素 arctan。
arctanh
()逐元素 arctanh。
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])将此数组/矩阵以指定格式返回。
asfptype
()将矩阵向上转换为浮点格式(如果需要)
astype
(dtype[, casting, copy])将数组/矩阵元素转换为指定类型。
ceil
()逐元素 ceil。
conj
([copy])逐元素复数共轭。
conjugate
([copy])逐元素复数共轭。
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 deg2rad。
diagonal
([k])返回数组/矩阵的第 k 个对角线。
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 expm1。
floor
()逐元素 floor。
getH
()返回此矩阵的厄米转置。
获取矩阵的形状
getcol
(j)返回矩阵第 j 列的副本,作为一个 (m x 1) 稀疏矩阵(列向量)。
矩阵存储格式
打印时显示的最大元素数量。
getnnz
([axis])存储值的数量,包括显式零。
getrow
(i)返回矩阵第 i 行的副本,作为一个 (1 x n) 稀疏矩阵(行向量)。
log1p
()逐元素 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小值。
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 rad2deg。
reshape
(self, shape[, order, copy])为稀疏数组/矩阵赋予新形状,而不改变其数据。
resize
(*shape)将数组/矩阵就地调整为
shape
给定的维度rint
()逐元素 rint。
set_shape
(shape)就地设置矩阵的形状
setdiag
(values[, k])设置数组/矩阵的对角线或非对角线元素。
sign
()逐元素 sign。
sin
()逐元素 sin。
sinh
()逐元素 sinh。
sqrt
()逐元素 sqrt。
sum
([axis, dtype, out])沿着给定轴对数组/矩阵元素求和。
通过将重复条目相加来消除它们
tan
()逐元素 tan。
tanh
()逐元素 tanh。
tensordot
(other[, axes])返回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])返回此稀疏矩阵的密集表示。
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/矩阵沿对角线的和。
transpose
([axes, copy])反转稀疏数组/矩阵的维度。
trunc
()逐元素 trunc。
备注
稀疏矩阵可用于算术运算:它们支持加法、减法、乘法、除法和矩阵幂。
- COO 格式的优点
便于稀疏格式之间快速转换
允许重复条目(参见示例)
与 CSR/CSC 格式之间转换速度非常快
- COO 格式的缺点
- 不直接支持
算术运算
切片
- 预期用途
COO 是一种用于构造稀疏矩阵的快速格式
一旦 COO 矩阵被构造,将其转换为 CSR 或 CSC 格式以便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) 条目将被求和。这有助于高效构建有限元矩阵等。(参见示例)
- 规范格式
条目和坐标按行然后按列排序。
没有重复条目(即重复的 (i,j) 位置)
数据数组可以包含显式零。
示例
>>> # Constructing an empty matrix >>> import numpy as np >>> from scipy.sparse import coo_matrix >>> coo_matrix((3, 4), dtype=np.int8).toarray() array([[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]], dtype=int8)
>>> # Constructing a matrix 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_matrix((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 matrix 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_matrix((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]])