lil_array#
- class scipy.sparse.lil_array(arg1, shape=None, dtype=None, copy=False, *, maxprint=None)[source]#
基于行的列表的列表（LIst of Lists）稀疏数组。
这是一种用于增量构建稀疏数组的结构。请注意，在最坏情况下，插入单个项可能需要线性时间；为了高效地构建数组，请确保每行中的项已按索引预排序。
- 可以通过以下几种方式实例化
- lil_array(D)
其中 D 是一个 2-D ndarray
- lil_array(S)
使用另一个稀疏数组或矩阵 S（相当于 S.tolil()）
- lil_array((M, N), [dtype])
构造一个形状为 (M, N) 的空数组，dtype 是可选的，默认为 dtype='d'。
- 属性:
方法
__len__()asformat(format[, copy])将此数组/矩阵以传递的格式返回。
astype(dtype[, casting, copy])将数组/矩阵元素转换为指定类型。
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([axis])非零条目数量，等同于
diagonal([k])返回数组/矩阵的第 k 条对角线。
dot(other)普通点积
getrow(i)返回第 'i' 行的副本。
getrowview(i)返回第 'i' 行的视图（不复制）。
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。
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)逐元素乘以另一个数组/矩阵。
nonzero()数组/矩阵的非零索引。
power(n[, dtype])逐元素幂。
reshape(self, shape[, order, copy])在不改变稀疏数组/矩阵数据的情况下，赋予其新形状。
resize(*shape)将数组/矩阵就地调整大小为
shape指定的维度。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/矩阵转换为分块稀疏行格式。
tocoo([copy])将此数组/矩阵转换为 COOrdinate 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])返回此稀疏数组的密集表示。
todia([copy])将此数组/矩阵转换为稀疏 DIAgonal 格式。
todok([copy])将此数组/矩阵转换为键值字典格式。
tolil([copy])将此数组/矩阵转换为列表的列表格式。
trace([offset])返回稀疏数组/矩阵沿对角线的和。
transpose([axes, copy])反转稀疏数组/矩阵的维度。
__getitem__
__mul__
注意事项
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。
- LIL 格式的优点
支持灵活切片
数组稀疏结构的变化效率高
- LIL 格式的缺点
算术运算 LIL + LIL 较慢（考虑 CSR 或 CSC）
列切片较慢（考虑 CSC）
矩阵向量乘积较慢（考虑 CSR 或 CSC）
- 预期用途
LIL 是构建稀疏数组的便捷格式
一旦数组构建完成，将其转换为 CSR 或 CSC 格式以实现快速算术和矩阵向量操作
在构建大型数组时考虑使用 COO 格式
- 数据结构
一个由行组成的数组（
self.rows），其中每行是一个非零元素的列索引的排序列表。相应的非零值以类似的方式存储在
self.data中。