当前位置 : 主页 > 编程语言 > python >

scipy稀疏数组dok_array的具体使用

来源:互联网 收集:自由互联 发布时间:2023-03-17
dok_array dok数组就是通过键值对存储的数组,其中key就是矩阵中的坐标元组,value就是对应坐标中的值,是最容易理解的稀疏矩阵存储方案。 import numpy as np from scipy.sparse import dok_array do

dok_array

dok数组就是通过键值对存储的数组,其中key就是矩阵中的坐标元组,value就是对应坐标中的值,是最容易理解的稀疏矩阵存储方案。

>>> import numpy as np
>>> from scipy.sparse import dok_array
>>> dok = dok_array((5, 5), dtype=np.float32)
>>> for i in range(5):
...     for j in range(5):
...         dok[i, j] = i + j    # Update element
...
>>> print(dok.toarray())
[[0. 1. 2. 3. 4.]
 [1. 2. 3. 4. 5.]
 [2. 3. 4. 5. 6.]
 [3. 4. 5. 6. 7.]
 [4. 5. 6. 7. 8.]]

得到结果为

从上面的代码来看,其等价形式如下,唯一的区别是,对于一个全0的矩阵,array必须将所有0都存储下来,而dok数组可以不存储任何有效值。但对于全都不是0的矩阵,dok除了存储矩阵的值之外,还要将矩阵的坐标重新写一边,相当于数据量翻了三倍。

>>> Z = np.zeros([5,5])
>>> for i in range(5):
...     for j in range(5):
...         Z[i, j] = i + j    # Update element
...
>>> print(Z)
[[0. 1. 2. 3. 4.]
 [1. 2. 3. 4. 5.]
 [2. 3. 4. 5. 6.]
 [3. 4. 5. 6. 7.]
 [4. 5. 6. 7. 8.]]

初始化方案

dok仅支持三种初始化方案:

  • dok_array(D) D是一个稀疏数组或2 × D 2\times D2×D数组
  • dok_array(S) S是另一种稀疏数组。
  • dok_array((M, N),dtype='d') 创建一个shape为( M , N ) (M, N)(M,N)的空数组,dtype为数据类型

内置方法

稀疏数组在计算上并不便捷,所以dok_array中内置了下列函数,可以高效地完成计算。

函数expm1, log1p, sqrt, pow, sign三角函数sin, tan, arcsin, arctan, deg2rad, rad2deg双曲函数sinh, tanh, arcsinh, arctanh索引getcol, getrow, nonzero, argmax, argmin, max, min舍入ceil, floor, trunc变换conj, conjugate, getH统计count_nonzero, getnnz, mean, sum矩阵diagonal, trace获取属性get_shape, getformat计算比较multiply, dot, maximum, minimum转换asformat, asfptype, astype, toarray, todense转换tobsr, tocoo, tocsc, tocsr, todia, todok, tolil更改维度set_shape, reshape, resize, transpose排序sort_indices, sorted_indices移除元素eliminate_zeros, prune, sum_duplicates其他copy, check_format, getmaxprint, rint, setdiag

到此这篇关于scipy稀疏数组dok_array的具体使用的文章就介绍到这了,更多相关scipy稀疏数组dok_array内容请搜索自由互联以前的文章或继续浏览下面的相关文章希望大家以后多多支持自由互联!

上一篇:一文带你吃透Python中的os和sys模块
下一篇:没有了
网友评论