scipy.sparse.

csr_array#

class scipy.sparse.csr_array(arg1, shape=None, dtype=None, copy=False)[source]#

压缩稀疏行数组。

它可以通过多种方式实例化
csr_array(D)

其中 D 是一个 2 维 ndarray

csr_array(S)

使用另一个稀疏数组或矩阵 S(等效于 S.tocsr())

csr_array((M, N), [dtype])

构建一个形状为 (M, N) 的空数组,dtype 可选,默认为 dtype='d'。

csr_array((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]

csr_array((data, indices, indptr), [shape=(M, N)])

是标准的 CSR 表示,其中第 i 行的列索引存储在 indices[indptr[i]:indptr[i+1]] 中,它们对应的值存储在 data[indptr[i]:indptr[i+1]] 中。如果未提供 shape 参数,则数组维度将从索引数组推断。

注释

稀疏数组可用于算术运算:它们支持加法、减法、乘法、除法和矩阵幂。

CSR 格式的优点
  • 高效的算术运算 CSR + CSR、CSR * CSR 等。

  • 高效的行切片

  • 快速矩阵向量乘积

CSR 格式的缺点
  • 缓慢的列切片操作(考虑 CSC)

  • 稀疏结构的更改代价高昂(考虑 LIL 或 DOK)

规范格式
  • 在每行中,索引按列排序。

  • 没有重复的条目。

示例

>>> import numpy as np
>>> from scipy.sparse import csr_array
>>> csr_array((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, 0, 1, 2, 2, 2])
>>> col = np.array([0, 2, 2, 0, 1, 2])
>>> data = np.array([1, 2, 3, 4, 5, 6])
>>> csr_array((data, (row, col)), shape=(3, 3)).toarray()
array([[1, 0, 2],
       [0, 0, 3],
       [4, 5, 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])
>>> csr_array((data, indices, indptr), shape=(3, 3)).toarray()
array([[1, 0, 2],
       [0, 0, 3],
       [4, 5, 6]])

重复的条目将被加在一起

>>> row = np.array([0, 1, 2, 0])
>>> col = np.array([0, 1, 1, 0])
>>> data = np.array([1, 2, 4, 8])
>>> csr_array((data, (row, col)), shape=(3, 3)).toarray()
array([[9, 0, 0],
       [0, 2, 0],
       [0, 4, 0]])

以下片段演示了如何增量构建 CSR 数组,它从文本中构建一个词项文档数组

>>> docs = [["hello", "world", "hello"], ["goodbye", "cruel", "world"]]
>>> indptr = [0]
>>> indices = []
>>> data = []
>>> vocabulary = {}
>>> for d in docs:
...     for term in d:
...         index = vocabulary.setdefault(term, len(vocabulary))
...         indices.append(index)
...         data.append(1)
...     indptr.append(len(indices))
...
>>> csr_array((data, indices, indptr), dtype=int).toarray()
array([[2, 1, 0, 0],
       [0, 1, 1, 1]])
属性::
dtypedtype

数组的数据类型

shape2 元组

数组的形状

ndimint

维数(始终为 2)

nnz

存储值的个数,包括显式零。

size

存储值的个数。

data

数组的 CSR 格式数据数组

indices

数组的 CSR 格式索引数组

indptr

数组的 CSR 格式索引指针数组

has_sorted_indices

索引是否已排序

has_canonical_format

数组/矩阵是否具有排序的索引且没有重复项

T

转置。

方法

__getitem__(key)

__len__()

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])

返回沿指定轴的最大元素的索引。

argmin([axis, out])

返回沿指定轴的最小元素的索引。

asformat(format[, copy])

以指定格式返回此数组/矩阵。

astype(dtype[, casting, copy])

将数组/矩阵元素转换为指定的类型。

ceil()

逐元素向上取整。

check_format([full_check])

检查数组/矩阵是否符合 CSR 或 CSC 格式。

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()

非零条目的个数,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)

普通点积

eliminate_zeros()

从数组/矩阵中删除零条目

expm1()

逐元素 expm1。

floor()

逐元素向下取整。

log1p()

逐元素 log1p。

max([axis, out])

返回数组/矩阵的最大值或沿指定轴的最大值。

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])

返回数组/矩阵的最小值或沿指定轴的最小值。

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)

通过数组/矩阵、向量或标量进行逐点乘法。

nanmax([axis, out])

返回数组/矩阵的最大值或沿指定轴的最大值,忽略任何 NaN。

nanmin([axis, out])

返回数组/矩阵的最小值或沿指定轴的最小值,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。

prune()

删除所有非零元素之后的空隙。

rad2deg()

逐元素 rad2deg。

reshape(self, shape[, order, copy])

在不改变其数据的情况下为稀疏数组/矩阵赋予新的形状。

resize(*shape)

将数组/矩阵就地调整为由 shape 给定的维度。

rint()

逐元素 rint。

setdiag(values[, k])

设置数组/矩阵的对角线或非对角线元素。

sign()

逐元素符号。

sin()

逐元素正弦。

sinh()

逐元素双曲正弦。

sort_indices()

对此数组/矩阵的索引进行 *就地* 排序。

sorted_indices()

返回一个具有排序索引的此数组/矩阵的副本。

sqrt()

逐元素平方根。

sum([axis, dtype, out])

对数组/矩阵元素沿指定轴求和。

sum_duplicates()

通过将它们加在一起来消除重复的条目。

tan()

逐元素正切。

tanh()

逐元素双曲正切。

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 (CSR) 格式。

todense([order, out])

返回此稀疏数组/矩阵的稠密表示。

todia([copy])

将此数组/矩阵转换为稀疏对角线 (DIA) 格式。

todok([copy])

将此数组/矩阵转换为键字典 (DOK) 格式。

tolil([copy])

将此数组/矩阵转换为列表列表 (LIL) 格式。

trace([offset])

返回稀疏数组/矩阵对角线的总和。

transpose([axes, copy])

反转稀疏数组/矩阵的维度。

trunc()

逐元素截断。

__mul__