coo_matrix#
- class scipy.sparse.coo_matrix(arg1, shape=None, dtype=None, copy=False, *, maxprint=None)[源代码]#
COOrdinate 格式的稀疏矩阵。
也称为 ‘ijv’ 或 ‘三元组’ 格式。
- 这可以通过几种方式实例化
- coo_matrix(D)
其中 D 是一个二维 ndarray
- coo_matrix(S)
使用另一个稀疏数组或矩阵 S (等效于 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，以任何顺序排列
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]。当未指定形状时，会从索引数组中推断。
注释
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
方便在稀疏格式之间快速转换
允许重复条目（请参阅示例）
非常快速地转换为和从 CSR/CSC 格式转换
- COO 格式的缺点
- 不直接支持
算术运算
切片
- 预期用法
COO 是一种用于构造稀疏矩阵的快速格式
一旦构造了 COO 矩阵，请转换为 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，在转换为 CSR 或 CSC 格式时，重复的 (i,j) 条目将加在一起。这有助于有效构建有限元矩阵等。（请参阅示例）
- 规范格式
条目和坐标按行排序，然后按列排序。
没有重复的条目（即重复的 (i,j) 位置）
数据数组可能具有显式的零。
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]])
- 属性:
方法
__len__()__mul__(other)arcsin()逐元素反正弦。
arcsinh()逐元素反双曲正弦。
arctan()逐元素反正切。
arctanh()逐元素反双曲正切。
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])以传递的格式返回此数组/矩阵。
asfptype()将矩阵向上转换为浮点格式（如果需要）
astype(dtype[, casting, copy])将数组/矩阵元素强制转换为指定类型。
ceil()逐元素向上取整。
conj([copy])逐元素复共轭。
conjugate([copy])逐元素复共轭。
copy()返回此数组/矩阵的副本。
count_nonzero([axis])非零条目的数量，等效于
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/矩阵中删除零条目
expm1()逐元素 expm1。
floor()逐元素向下取整。
getH()返回此矩阵的 Hermitian 转置。
获取矩阵的形状
getcol(j)返回矩阵的第 j 列的副本，作为 (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。
getnnz([axis])存储值的数量，包括显式零。
getrow(i)返回矩阵的第 i 行的副本，作为 (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/矩阵和另一个数组/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/矩阵和另一个数组/矩阵之间的逐元素最小值。
multiply(other)与另一个数组/矩阵的点式乘法。
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])在不改变数据的情况下，为稀疏数组/矩阵赋予新的形状。
resize(*shape)将数组/矩阵原地调整为由
shape给定的维度。rint()逐元素取整。
set_shape(shape)原地设置矩阵的形状。
setdiag(values[, k])设置数组/矩阵的对角线或非对角线元素。
sign()逐元素取符号。
sin()逐元素取正弦。
sinh()逐元素取双曲正弦。
sqrt()逐元素取平方根。
sum([axis, dtype, out])对给定轴上的数组/矩阵元素求和。
通过将重复条目相加来消除它们。
tan()逐元素取正切。
tanh()逐元素取双曲正切。
tensordot(other[, axes])返回沿给定轴的与另一个数组的张量点积。
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])返回此稀疏矩阵的密集表示。
todia([copy])将此数组/矩阵转换为稀疏对角格式。
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()逐元素取截断值。