scipy稀疏數組coo_array如何實現

這篇文章主要講解了“scipy稀疏數組coo_array如何實現”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“scipy稀疏數組coo_array如何實現”吧！

coo_array

coo也被稱為ijv，是一種三元組格式，對于矩陣中第i ii行第j jj列的值v vv，將其存儲為( i , j , v ) (i,j,v)(i,j,v)這樣的三元組，即為coo_array的原理。

例如

import numpy as np
from scipy.sparse import coo_array
row  = np.array([0, 3, 1, 0])
col  = np.array([0, 3, 1, 2])
data = np.array([4, 5, 7, 9])
coo_array((data, (row, col)), shape=(4, 4)).toarray()
print(coo.toarray())

其輸出結果為

但需要注意一點，若行數組和列數組所對應的矩陣坐標發生了重復，那么重復位置處對應的值會累加，

row  = np.array([0, 0, 1, 3, 1, 0, 0])
col  = np.array([0, 2, 1, 3, 1, 0, 0])
data = np.array([1, 1, 1, 1, 1, 1, 1])
coo = coo_array((data, (row, col)), shape=(4, 4))
print(coo.toarray())

結果為

初始化方案

• coo_array(D) D是一個稀疏數組或2 × D 2\times D2×D數組

• coo_array(S) S是另一種稀疏數組

• coo_array((M, N),dtype='d') 創建一個shape為( M , N ) (M, N)(M,N)的空數組，dtype為數據類型

• coo_array((data, (i,j))) (i, j)是坐標數組，data是數據數組，設新矩陣為a，則a[i[k], j[k]] = data[k]

前三種比較容易理解，下面驗證一下第四種

>>> from scipy.sparse import coo_array
>>> import numpy as np
>>> data = np.random.rand(3)
>>> x = y = np.arange(3).astype(int)
>>> coo = coo_array((data,(x,y)))
>>> coo.toarray()
array([[0.28050236, 0.        , 0.        ],
       [0.        , 0.59568482, 0.        ],
       [0.        , 0.        , 0.84392724]])

內置方法

稀疏數組在計算上并不便捷，所以coo_array中內置了下列函數，可以高效地完成計算。

感謝各位的閱讀，以上就是“scipy稀疏數組coo_array如何實現”的內容了，經過本文的學習后，相信大家對scipy稀疏數組coo_array如何實現這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！