scipy.sparse.

lil_matrix#

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

基于行的列表的列表稀疏矩阵。

这是一种用于递增构建稀疏矩阵的结构。请注意,在最坏的情况下,插入单个项可能需要线性时间;为了高效地构建矩阵,请确保每行中的项已按索引预先排序。

可以通过多种方式实例化
lil_matrix(D)

其中 D 是一个二维 ndarray

lil_matrix(S)

使用另一个稀疏数组或矩阵 S(等同于 S.tolil())

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

构建一个形状为 (M, N) 的空矩阵,dtype 是可选的,默认为 dtype='d'。

属性:
dtypedtype

矩阵的数据类型

shape2-tuple

矩阵的形状

ndimint

维度数量(总是2)

nnz

存储的值的数量,包括显式零。

size

存储的值的数量。

data

矩阵的LIL格式数据数组

rows

矩阵的LIL格式行索引数组

T

转置。

方法

__len__()

__mul__(other)

asformat(format[, copy])

将此数组/矩阵以传入的格式返回。

asfptype()

将矩阵向上转换为浮点格式(如果需要)

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,等同于

diagonal([k])

返回数组/矩阵的第 k 条对角线。

dot(other)

普通点积

getH()

返回此矩阵的 Hermitian 转置。

get_shape()

获取矩阵的形状

getcol(j)

返回矩阵第 j 列的副本,作为 (m x 1) 稀疏矩阵(列向量)。

getformat()

矩阵存储格式

getmaxprint()

打印时显示的最大元素数量。

getnnz([axis])

存储的值的数量,包括显式零。

getrow(i)

返回矩阵第 i 行的副本,作为 (1 x n) 稀疏矩阵(行向量)。

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])

沿指定轴计算算术平均值。

minimum(other)

此数组/矩阵与另一个数组/矩阵之间的逐元素最小值。

multiply(other)

与另一个数组/矩阵的逐元素乘法。

nonzero()

数组/矩阵的非零索引。

power(n[, dtype])

逐元素幂。

reshape(self, shape[, order, copy])

在不改变数据的情况下为稀疏数组/矩阵赋予新形状。

resize(*shape)

将数组/矩阵就地调整大小为由 shape 给定的维度

set_shape(shape)

就地设置矩阵的形状

setdiag(values[, k])

设置数组/矩阵的对角线或非对角线元素。

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/矩阵的稠密 ndarray 表示。

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])

返回此稀疏矩阵的稠密表示。

todia([copy])

将此数组/矩阵转换为稀疏对角线格式。

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__

备注

稀疏矩阵可用于算术运算:它们支持加法、减法、乘法、除法和矩阵幂。

LIL 格式的优点
  • 支持灵活切片

  • 矩阵稀疏结构的变化效率高

LIL 格式的缺点
  • LIL + LIL 的算术运算很慢(考虑使用 CSR 或 CSC)

  • 列切片很慢(考虑使用 CSC)

  • 矩阵向量积很慢(考虑使用 CSR 或 CSC)

预期用途
  • LIL 是一种用于构建稀疏矩阵的便捷格式

  • 矩阵构建完成后,转换为 CSR 或 CSC 格式以进行快速算术和矩阵向量运算

  • 在构建大型矩阵时,考虑使用 COO 格式

数据结构
  • 一个行数组(self.rows),其中每个行都是非零元素的列索引的有序列表。

  • 相应的非零值以类似方式存储在 self.data 中。