Ctrl+K
scipy.sparse.

coo_array#

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

COO 格式的稀疏陣列。

也稱為 ‘ijv’ 或 ‘三元組’ 格式。

可以透過幾種方式實例化
coo_array(D)

其中 D 是一個 ndarray

coo_array(S)

與另一個稀疏陣列或矩陣 S (等效於 S.tocoo())

coo_array(shape, [dtype])

建構一個具有 shape shape 的空稀疏陣列，dtype 是可選的，預設為 dtype=’d’。

coo_array((data, coords), [shape])
從現有的資料和索引陣列建構

  1. data[:] 稀疏陣列的條目，順序不拘

  2. coords[i][:] 資料條目的軸 i 座標

其中 A[coords] = data，且 coords 是一個索引陣列的元組。當未指定 shape 時，會從索引陣列推斷出來。

註解

稀疏陣列可以用於算術運算：它們支援加法、減法、乘法、除法和矩陣冪。

COO 格式的優點

  • 方便在稀疏格式之間快速轉換

  • 允許重複條目 (請參閱範例)

  • 非常快速地轉換為和從 CSR/CSC 格式轉換

COO 格式的缺點
  • 不直接支援

    • 算術運算

    • 切片

預期用途

  • COO 是一種用於建構稀疏陣列的快速格式

  • 一旦建構了 COO 陣列，請轉換為 CSR 或 CSC 格式以進行快速算術和矩陣向量運算

  • 預設情況下，當轉換為 CSR 或 CSC 格式時，重複的 (i,j) 條目將會被加總在一起。這有助於有效建構有限元素矩陣等。（請參閱範例）

標準格式

  • 條目和座標按行然後按列排序。

  • 沒有重複的條目（即重複的 (i,j) 位置）

  • 資料陣列可能具有顯式的零。

範例

>>> # Constructing an empty sparse array
>>> import numpy as np
>>> from scipy.sparse import coo_array
>>> coo_array((3, 4), dtype=np.int8).toarray()
array([[0, 0, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 0]], dtype=int8)

>>> # Constructing a sparse array using ijv format
>>> 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()
array([[4, 0, 9, 0],
       [0, 7, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 5]])

>>> # Constructing a sparse array with duplicate coordinates
>>> 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))
>>> # Duplicate coordinates are maintained until implicitly or explicitly summed
>>> np.max(coo.data)
1
>>> coo.toarray()
array([[3, 0, 1, 0],
       [0, 2, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 1]])
屬性:
dtype資料類型

稀疏陣列的資料類型

shape整數元組

稀疏陣列的形狀

ndim整數

稀疏陣列的維度數量

nnz

儲存值的數量，包括顯式零。

size

儲存值的數量。

data

稀疏陣列的 COO 格式資料陣列

coords

索引陣列的 COO 格式元組

has_canonical_format布林值

矩陣是否具有排序的座標且沒有重複項

format

矩陣的格式字串。

T

轉置。

方法

__len__()

arcsin()

元素級 arcsin。

arcsinh()

元素級 arcsinh。

arctan()

元素級 arctan。

arctanh()

元素級 arctanh。

argmax([axis, out, explicit])

返回沿軸的最大元素的索引。

argmin([axis, out, explicit])

返回沿軸的最小元素的索引。

asformat(format[, copy])

以傳遞的格式返回此陣列/矩陣。

astype(dtype[, casting, copy])

將陣列/矩陣元素轉換為指定的類型。

ceil()

元素級 ceil。

conj([copy])

元素級複共軛。

conjugate([copy])

元素級複共軛。

copy()

返回此陣列/矩陣的副本。

count_nonzero([axis])

非零條目的數量，等同於

deg2rad()

元素級 deg2rad。

diagonal([k])

返回陣列/矩陣的第 k 條對角線。

dot(other)

返回兩個陣列的點積。

eliminate_zeros()

從陣列/矩陣中移除零條目

expm1()

元素級 expm1。

floor()

元素級 floor。

log1p()

元素級 log1p。

max([axis, out, explicit])

返回陣列/矩陣的最大值或沿軸的最大值。

maximum(other)

此陣列/矩陣與另一個陣列/矩陣之間的元素級最大值。

mean([axis, dtype, out])

計算沿指定軸的算術平均值。

min([axis, out, explicit])

返回陣列/矩陣的最小值或沿軸的最小值。

minimum(other)

此陣列/矩陣與另一個陣列/矩陣之間的元素級最小值。

multiply(other)

與另一個陣列/矩陣的逐點乘法。

nanmax([axis, out, explicit])

返回沿軸的最大值，忽略任何 NaN。

nanmin([axis, out, explicit])

返回沿軸的最小值，忽略任何 NaN。

nonzero()

陣列/矩陣的非零索引。

power(n[, dtype])

此函數執行元素級冪運算。

rad2deg()

元素級 rad2deg。

reshape(self, shape[, order, copy])

為稀疏陣列/矩陣賦予新的形狀，而不更改其資料。

resize(*shape)

將陣列/矩陣就地調整大小為 shape 給定的維度

rint()

元素級 rint。

setdiag(values[, k])

設定陣列/矩陣的對角線或非對角線元素。

sign()

元素級 sign。

sin()

元素級 sin。

sinh()

元素級 sinh。

sqrt()

元素級 sqrt。

sum([axis, dtype, out])

將陣列/矩陣元素沿給定軸求和。

sum_duplicates()

透過將重複條目相加來消除它們

tan()

元素級 tan。

tanh()

元素級 tanh。

tensordot(other[, axes])

返回與另一個陣列沿給定軸的張量點積。

toarray([order, out])

返回此稀疏陣列/矩陣的密集 ndarray 表示形式。

tobsr([blocksize, copy])

將此陣列/矩陣轉換為區塊稀疏行格式。

tocoo([copy])

將此陣列/矩陣轉換為座標格式。

tocsc([copy])

將此陣列/矩陣轉換為壓縮稀疏行格式

tocsr([copy])

將此陣列/矩陣轉換為壓縮稀疏列格式

todense([order, out])

返回此稀疏陣列的密集表示形式。

todia([copy])

將此陣列/矩陣轉換為稀疏對角線格式。

todok([copy])

將此陣列/矩陣轉換為鍵字典格式。

tolil([copy])

將此陣列/矩陣轉換為列表的列表格式。

trace([offset])

返回沿稀疏陣列/矩陣對角線的總和。

transpose([axes, copy])

反轉稀疏陣列/矩陣的維度。

trunc()

元素級 trunc。

__mul__
在本頁面上