scipy.sparse.

csc_matrix

类 scipy.sparse.csc_matrix(arg1, shape=无, dtype=无, copy=假)

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

在您的浏览器中试一试！

>>> 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]])

返回在新标签页中打开

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。
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。
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__