scipy.sparse.

csc_matrix#

scipy.sparse.csc_matrix(arg1, shape=, dtype=, copy=)[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 datarow_indcol_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

shape2 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。

count_nonzero()

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

eliminate_zeros()

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。

get_shape()

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。

getformat()

矩阵存储格式

getmaxprint()

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。

(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。

sort_indices()

就地按此数组/矩阵的索引进行排序

sorted_indices()

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。

sum_duplicates()

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__