scipy.sparse.

load_npz#

scipy.sparse.load_npz(file)[原始碼]#

從檔案載入稀疏陣列/矩陣，使用 .npz 格式。

參數:

filestr 或檔案型物件: 檔案名稱 (字串) 或開啟的檔案 (檔案型物件)，資料將從此處載入。

返回:

resultcsc_array, csr_array, bsr_array, dia_array 或 coo_array: 包含已載入資料的稀疏陣列/矩陣。

引發:

OSError: 如果輸入檔案不存在或無法讀取。

另請參閱

scipy.sparse.save_npz: 將稀疏陣列/矩陣儲存到檔案，使用 .npz 格式。
numpy.load: 從 .npz 封存檔載入多個陣列。

範例

將稀疏陣列/矩陣儲存到磁碟，然後再次載入

>>> import numpy as np
>>> import scipy as sp
>>> sparse_array = sp.sparse.csc_array([[0, 0, 3], [4, 0, 0]])
>>> sparse_array
<Compressed Sparse Column sparse array of dtype 'int64'
    with 2 stored elements and shape (2, 3)>
>>> sparse_array.toarray()
array([[0, 0, 3],
       [4, 0, 0]], dtype=int64)

>>> sp.sparse.save_npz('/tmp/sparse_array.npz', sparse_array)
>>> sparse_array = sp.sparse.load_npz('/tmp/sparse_array.npz')

>>> sparse_array
<Compressed Sparse Column sparse array of dtype 'int64'
    with 2 stored elements and shape (2, 3)>
>>> sparse_array.toarray()
array([[0, 0, 3],
       [4, 0, 0]], dtype=int64)

在此範例中，我們強制結果為 csr_array，從 csr_matrix >>> sparse_matrix = sp.sparse.csc_matrix([[0, 0, 3], [4, 0, 0]]) >>> sp.sparse.save_npz(‘/tmp/sparse_matrix.npz’, sparse_matrix) >>> tmp = sp.sparse.load_npz(‘/tmp/sparse_matrix.npz’) >>> sparse_array = sp.sparse.csr_array(tmp)