csc_matrix#
- 类 scipy.sparse.csc_matrix(arg1, shape=无, dtype=无, copy=假)[源代码]#
压缩稀疏列矩阵。
- 这可以通过多种方式实例化
- csc_matrix(D)
其中 D 为 2-D ndarray
- csc_matrix(S)
使用另一个稀疏数组或矩阵 S(等效于 S.tocsc())
- csc_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’。
- csc_matrix((data, (row_ind, col_ind)), [shape=(M, N)])
其中
data
、row_ind
和col_ind
满足关系a[row_ind[k], col_ind[k]] = data[k]
。- csc_matrix((data, indices, indptr), [shape=(M, N)])
是标准 CSC 表示形式,其中列 i 的行索引存储在
indices[indptr[i]:indptr[i+1]]
中,其相应的值存储在data[indptr[i]:indptr[i+1]]
中。如果未提供形状参数,则矩阵维度将从索引数组推断出来。
备注
稀疏矩阵可用于算术运算:它们支持加法、减法、乘法、除法和矩阵运算。
- CSC 格式的优势
高效的算术运算 CSC + CSC、CSC * CSC 等。
高效的分列切片
快速的矩阵矢量乘积(CSR、BSR 可能更快)
- CSC 格式的劣势
行切片运算较慢(考虑 CSR)
稀疏结构的更改成本较高(考虑 LIL 或 DOK)
- 规范化格式
在每一列中,按行对索引进行排序。
没有重复的条目。
示例
>>> import numpy as np >>> from scipy.sparse import csc_matrix >>> csc_matrix((3, 4), dtype=np.int8).toarray() array([[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]], dtype=int8)
>>> row = np.array([0, 2, 2, 0, 1, 2]) >>> col = np.array([0, 0, 1, 2, 2, 2]) >>> data = np.array([1, 2, 3, 4, 5, 6]) >>> csc_matrix((data, (row, col)), shape=(3, 3)).toarray() array([[1, 0, 4], [0, 0, 5], [2, 3, 6]])
>>> indptr = np.array([0, 2, 3, 6]) >>> indices = np.array([0, 2, 2, 0, 1, 2]) >>> data = np.array([1, 2, 3, 4, 5, 6]) >>> csc_matrix((data, indices, indptr), shape=(3, 3)).toarray() array([[1, 0, 4], [0, 0, 5], [2, 3, 6]])
- 属性:
- dtypedtype
矩阵数据类型
shape
2 元组矩阵的形状
- ndimint
维度数(始终为 2)
nnz
存储的值的数量,包括明确的零值。
size
存储的值的数量。
- data
矩阵的 CSC 格式数据数组
- indices
矩阵的 CSC 格式索引数组
- indptr
矩阵的 CSC 格式索引指针数组
has_sorted_indices
索引是否已排序
has_canonical_format
数组/矩阵的索引是否已排序并且没有重复值
T
转置。
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])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])以通过的格式返回此数组/矩阵。
asfptype
()(如必要的话)将矩阵向上转型为浮点格式
astype
(dtype[, casting, copy])将数组/矩阵元素转型为指定类型。
ceil
()逐元素 ceil。
check_format
([全检查])检查数组/矩阵是否遵循 CSR 或 CSC 格式。
conj
([副本])逐元素复数共轭。
conjugate
([副本])逐元素复数共轭。
复制
()返回此数组/矩阵的副本。
非零输入的数量,相当于
deg2rad
()逐元素 deg2rad。
diagonal
([k])返回数组/矩阵的第 k 个对角线。
dot
(其他)普通点积
从数组/矩阵中移除零输入
expm1
()逐元素 expm1。
floor
()逐元素 floor。
getH
()返回该矩阵的厄米共轭转置。
获取矩阵的形状
getcol
(j)返回矩阵第 j 列的副本,以 (m x 1) 稀疏矩阵(列向量)形式返回。
矩阵存储格式
最大化输出时显示的元素数。
getnnz
([轴])存储的值的数量,包括明确的零值。
getrow
(i)返回矩阵第 i 行的副本,以 (1 x n) 稀疏矩阵(行向量)形式返回。
log1p
()逐元素 log1p。
max
([轴,输出])返回数组/矩阵的最大值,或返回沿某轴的最大值。
maximum
(其他内容)该元素与其他数组/矩阵之间的逐元素最大值。
mean
([轴,类型,输出])计算沿指定轴的算术平均值。
最小值
([轴, 输出])返回数组/矩阵的最小值或沿着给定轴的最大值。
最小值
(other)此数组/矩阵与另一个数组/矩阵间的元素级最小值。
乘法
(other)点式乘以数组/矩阵、向量或标量。
nanmax
([axis, output])返回数组/矩阵的最大值或沿着给定轴的最大值,忽略所有 NaN。
nanmin
([axis, output])返回数组/矩阵的最小值或沿着给定轴的最小值,忽略所有 NaN。
nonzero
()数组/矩阵的非零索引。
幂
(n[, dtype])此函数执行元素级幂运算。
prune
()删除所有非零元素后的空余空间。
rad2deg
()元素级 rad2deg。
reshape
(self, shape[, order, copy])在不改变其数据的情况下赋予一个新的形状给一个稀疏数组/矩阵。
resize
(*shape)将数组/矩阵的大小用
形状
给定的维数随时调整。rint
()元素级 rint。
set_shape
(shape)实时设置矩阵的形状
setdiag
(values[, k])设置数组/矩阵的对角线或非对角线元素。
sign
()元素级符号。
sin
()元素级 sin。
sinh
()元素级 sinh。
就地按此数组/矩阵的索引进行排序
返回带有已排序索引的此数组/矩阵的副本
sqrt
()元素级的 sqrt。
sum
([axis, dtype, out])对给定轴上的数组/矩阵元素求和。
通过将重复条目加在一起来消除这些条目
tan
()元素级的 tan。
tanh
()元素级的 tanh。
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 DIAgonal 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])返回稀疏阵列/矩阵对角线上的和。
转置
([轴, 复制])反转稀疏数组/矩阵的维度。
截断
()逐元素截断。
__getitem__