使用Scipy库中的sparse.csr_matrix函数将Numpy数组转换为稀疏矩阵

最新推荐文章于 2024-04-22 20:12:38 发布
最新推荐文章于 2024-04-22 20:12:38 发布
阅读量629 收藏 1
点赞数 1
CC 4.0 BY-SA版权
文章标签： numpy scipy 矩阵 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/CodeWG/article/details/130566232
本文介绍了如何利用Scipy库中的sparse.csr_matrix函数将包含大量0的Numpy数组转换为稀疏矩阵，以节省内存并提高运算效率。通过一个具体的例子展示了CSR格式的存储方式以及转换过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

使用Scipy库中的sparse.csr_matrix函数将Numpy数组转换为稀疏矩阵

在数据处理中，经常需要使用矩阵来存储和处理数据。但是，在某些情况下，矩阵的维度非常大，而且大部分元素都是0，这时候使用稀疏矩阵来存储可以节省内存空间，并提高运算效率。Scipy库提供了sparse模块来支持稀疏矩阵的存储和运算。

Scipy中提供了多种稀疏矩阵存储格式，如CSR（Compressed Sparse Row）、CSC（Compressed Sparse Column）、COO（Coordinate list）、DIA（Diagonal）、BSR（Block Sparse Row）等。其中，CSR格式存储的方式较为简单，是使用行指针和列索引来存储非零元素的位置和值。

下面以一个例子来说明如何使用Scipy中的sparse.csr_matrix函数将Numpy数组转换为CSR格式的稀疏矩阵：

import numpy as np
from scipy.sparse import csr_matrix

# 创建一个5*5的Numpy数组，其中只有3个元素是非零的
arr
了解本专栏 订阅专栏 解锁全文
python使用scipy中的sparse.csr_matrix函数将numpy数组转化为稀疏矩阵（Create A Sparse Matrix）
data+scenario+science+insight
04-24 1894
python使用scipy中的sparse.csr_matrix函数将numpy数组转化为稀疏矩阵（Create A Sparse Matrix）
使用SciPy中的sparse.csr_matrix函数将NumPy数组转换为稀疏矩阵
Byte_O_O的博客
09-04 569
SciPy是一个强大的科学计算库，提供了处理稀疏矩阵的工具。其中，sparse模块中的csr_matrix函数可以将NumPy数组转换为压缩稀疏行（CSR）格式的稀疏矩阵。以上就是使用SciPy中的sparse.csr_matrix函数将NumPy数组转换为稀疏矩阵的方法。转换后的稀疏矩阵将使用CSR格式表示，其中只包含非零元素的值和它们的索引。下面将介绍如何使用SciPy中的sparse.csr_matrix函数将NumPy数组转换为稀疏矩阵。在转换为稀疏矩阵之后，我们可以使用矩阵的属性和方法进行操作。
scipy.sparse.csr_matrix
m0_37443131的博客
08-07 2374
  地址：https://docs.scipy.org/doc/scipy-0.18.1/reference/generated/scipy.sparse.csr_matrix.html     scipy.sparse.csr_matrix class scipy.sparse.csr_matrix(arg1, shape=None, dtype=None, copy=False)[s...
scipy中的csr_matrix
木盏
11-04 2656
scipy中有个csr_matrix，可以简便地表达大规模稀疏矩阵。打个比方，对于1000*1000的二维矩阵，怎么表达呢？用一个numpy array去存储吗？其实，如果这个矩阵非常稀疏，比如特征矩阵等，可以用更简便的csr matrix去表达。 from scipy.sparse import csr_matrix x = [0,0,0,0,1,1,1,1,2,2,2,2,3,3,3,3]...
scipy库中的sparse.csr_matrix函数介绍
艰难困苦，玉汝于成。
01-12 5393
目录前言一、csr_matrix函数总结 前言 csr_matrix函数主要是用来压缩稀疏矩阵。 一、csr_matrix函数 from scipy.sparse import csr_matrix import numpy as np # data：代表的是稀疏矩阵中存储的所有元素 data = np.array([1,2,3,4,5,6]) # indices: 代表的是这6个元素所在的列的位置 indices = np.array([0,2,2,0,1,2]) # indptr: 游标，每一行起始
SciPy稀疏矩阵类csc_matrix和csr_mtrix
Stephen的博客
06-03 1011
文章目录
scipy.sparse.csr.csr_matrix通过布尔索引获取行数据 TypeError: only integer scalar arrays can be converted to a scalar index
最新发布
03-24
`scipy.sparse.csr.csr_matrix` 是 SciPy 中的一种稀疏矩阵存储格式 (Compressed Sparse Row)。当你尝试通过布尔索引访问 `csr_matrix` 的某些行时，可能会遇到错误： ``` TypeError: only integer scalar arrays ...
csr_matrix,coo_matrix转化成torch.sparse matrix
StarfishCu的博客
12-10 537
11111
csr_matrix
qq_41289353的博客
03-14 1767
import numpy as np import torch.nn as nn row = np.array([0, 0, 1, 2, 2, 2]) col = np.array([0, 2, 2, 0, 1, 2]) data = np.array([1, 2, 3, 4, 5, 6]) from scipy.sparse import csr_matrix print(csr_matrix((data, (row, col)), shape=(3, 3)).A)
scipy.sparse csr_matrix()
调皮李小怪博客
05-08 1439
使用scipy.sparse的稀疏矩阵csr_matrix() 创建方法 可以传入一个dense矩阵或numpy array import scipy.sparse as sp import numpy as np d_A = np.array([[1, 0, 3], [0, 5, 6], [7, 0, 0]]) s_A = sp.csr_matrix(d_A) 1 2 3 4 5 6 可以创建一个空的稀疏矩阵 import scipy....
scipy.sparse.csr_matrix 中的 indptr & indices & data
Angelaboy的博客
04-22 386
scipy.sparse.csr_matrix 中的 indptr & indices & data
【Scipy学习】Scipy中稀疏矩阵用法解析（sp.csr_matrix；sp.csc_matrix；sp.coo_matrix）
热门推荐
sxl的博客
05-17 1万+
import scipy . sparse as sp # 定义一个空的稀疏矩阵 s = sp . csr_matrix((3 , 3)) print(s . shape) # (3, 3) 根据行列索引建。
scipy csr_matrix和csc_matrix函数的用法(通俗易懂版)
qq_42426993的博客
08-29 1558
概述 scipy.sparse库中的函数 为了将稀疏的np.array数据进行压缩 两者一个是行一个是列，基本思想差不多 csr_matrix >>> indptr = np.array([0, 2, 3, 6]) >>> indices = np.array([0, 2, 2, 0, 1, 2]) >>> data = np.array([1, 2, 3, 4, 5, 6]) >>> csr_matrix((data, indic
numpy 邻接矩阵转稀疏矩阵 array to scipy csr_matrix
bagba的知识分享库
09-11 2369
numpy array转scipy csr matrix，互相转换，和转coo矩阵。
深入简出理解SCIPY.SPARSE.CSR_MATRIX和SCIPY.SPARSE.CSC_MATRIX
anshiquanshu的专栏
10-26 1555
一、导入   在用python进行科学运算时，常常需要把一个稀疏的np.array压缩，这时候就用到scipy库中的sparse.csr_matrix函数和sparse.csc_matric函数。   其中csr_matrix：Compressed SparseRowmarix,而csc_matric：Compressed SparseColumnmarix。 二、引例 这里先放上一个官网的经典例子： from scipy.sparse import csr_matrix import ...
csr_matrix参数解析
星之所望的博客
11-08 1495
压缩稀疏矩阵构造时的参数从官网看不明白，参考如下： indptr = np.array([0, 2, 3, 6]) indices = np.array([0, 2, 2, 0, 1, 2]) data = np.array([1, 2, 3, 4, 5, 6]) csr_matrix((data, indices, indptr), shape=(3, 3)).toarray() array([[1, 0, 2], [0, 0, 3], [4, 5, 6]]) （注：
如何理解sparse.csr_matrix
qwezhaohaihong
05-09 805
CSR方法采取按行压缩的办法, 将原始的矩阵用三个数组进行表示 和大家分享下我怎样理解的 from scipy import sparse data = np.array([1, 2, 3, 4, 5, 6]) #所有的非零数值 indices = np.array([0, 2, 2, 0, 1, 2]) #所有值得列索引 indptr = np.array([0, 2, 3, 6]) #每行的的非零数据 data[i：i+1] mtx = spars
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值