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'
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