scipy.sparse.

dok_array#

class scipy.sparse.dok_array(arg1, shape=None, dtype=None, copy=False, *, maxprint=None)[源码]#

基于键字典的稀疏数组。

这是一种用于递增构建稀疏数组的有效结构。

可以通过多种方式实例化
dok_array(D)

其中 D 是一个二维 ndarray

dok_array(S)

使用另一个稀疏数组或矩阵 S (等同于 S.todok())

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

创建初始形状为 (M,N) 的数组,dtype 是可选的,默认为 dtype='d'

属性:
dtypedtype

数组的数据类型

shape2元组

数组的形状

ndim整数

维数 (始终为 2)

nnz

存储值的数量,包括显式零。

size

存储值的数量。

T

转置。

方法

__len__()

返回 len(self)。

asformat(format[, copy])

以传入的格式返回此数组/矩阵。

astype(dtype[, casting, copy])

将数组/矩阵元素转换为指定类型。

clear()

conj([copy])

元素级别的复共轭。

conjugate([copy])

元素级别的复共轭。

copy()

返回此数组/矩阵的副本。

count_nonzero([axis])

非零条目数,等同于

diagonal([k])

返回数组/矩阵的第 k 条对角线。

dot(other)

普通点积

fromkeys(iterable[, value])

创建一个新字典,其键来自 iterable,值设为 value。

get(key[, default])

此方法提供带有类型检查的 dict.get 方法功能

items()

keys()

maximum(other)

此数组/矩阵与另一个数组/矩阵之间的元素级别最大值。

mean([axis, dtype, out])

沿着指定轴计算算术平均值。

minimum(other)

此数组/矩阵与另一个数组/矩阵之间的元素级别最小值。

multiply(other)

与另一个数组/矩阵进行元素级别乘法运算。

nonzero()

数组/矩阵的非零索引。

pop(k[,d])

如果未找到键,则返回给定默认值;否则,引发 KeyError。

popitem()

移除并返回一个 (键, 值) 对,作为 2 元组。

power(n[, dtype])

元素级别的幂运算。

reshape(self, shape[, order, copy])

为稀疏数组/矩阵赋予新形状,而不改变其数据。

resize(*shape)

将数组/矩阵就地调整大小到由 shape 给定的维度

setdefault(key[, default])

如果字典中不存在键,则插入键并将其值设为 default。

setdiag(values[, k])

设置数组/矩阵的对角线或非对角线元素。

sum([axis, dtype, out])

沿着给定轴对数组/矩阵元素求和。

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 (Block Sparse Row) 格式。

tocoo([copy])

将此数组/矩阵转换为 COOrdinate (坐标) 格式。

tocsc([copy])

将此数组/矩阵转换为压缩稀疏列 (Compressed Sparse Column) 格式。

tocsr([copy])

将此数组/矩阵转换为压缩稀疏行 (Compressed Sparse Row) 格式。

todense([order, out])

返回此稀疏数组的密集表示。

todia([copy])

将此数组/矩阵转换为稀疏对角 (DIAgonal) 格式。

todok([copy])

将此数组/矩阵转换为键字典 (Dictionary Of Keys) 格式。

tolil([copy])

将此数组/矩阵转换为列表的列表 (List of Lists) 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。

update([E, ]**F)

如果 E 存在且具有 .keys() 方法,则执行:for k in E: D[k] = E[k] 如果 E 存在且缺少 .keys() 方法,则执行:for k, v in E: D[k] = v 在任何一种情况下,都接着执行:for k in F: D[k] = F[k]

values()

__getitem__

__mul__

备注

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。

  • 允许高效的 O(1) 个别元素访问。

  • 不允许重复。

  • 一旦构建,可以高效地转换为 coo_array。

示例

>>> import numpy as np
>>> from scipy.sparse import dok_array
>>> S = dok_array((5, 5), dtype=np.float32)
>>> for i in range(5):
...     for j in range(5):
...         S[i, j] = i + j    # Update element