csr_matrix(Compressed Sparse Row matrix)存储模式浅析

最新推荐文章于 2023-03-29 16:33:29 发布

原创

最新推荐文章于 2023-03-29 16:33:29 发布 · 4.6k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#csr_matrix #indptr

本文深入浅出地介绍了CSR(Coordinate List, Compressed Sparse Row)矩阵存储模式，通过官方示例详细解读了data、shape、indices和indptr四个关键组成部分，帮助读者理解如何通过这些信息确定矩阵中每个元素的位置和行信息。" 53010768,5347473,Git常用命令详解,"['git', '代码管理']

压缩稀疏矩阵的某种存储方式(开始不是很懂，后来发现网上解释的也不是很清楚，故来解释一发。以下为官方的例子)

此处官方文档介绍传送门

>>> indptr = np.array([0, 2, 3, 6])
>>> indices = np

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

我真的是坑额

关注关注

4
点赞
踩
6

收藏

觉得还不错? 一键收藏
5
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

NX二次开发坐标函数总结

王牌飞行员_里海的博客

03-21

2521

坐标函数总结。

csr_matrix参数解析

星之所望的博客

11-08

1534

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：

5 条评论您还未登录，请先登录后发表或查看评论

CUDA学习（十四） cuSolver学习中的 compressed sparse row format matrix(行存储的压缩矩阵 CSR)

zhouzhouasishuijiao的博客

12-11

1059

http://www.netlib.org/utk/people/JackDongarra/etemplates/node373.html 主要参考这里面的内容现有一个矩阵观察该矩阵可以发现，该矩阵有很多0，压缩的方式就是去掉这些0元素，所用的方法就是将这个矩阵的存储换为3个数组进行存储 val 10 -2 3 9 3 7 8 ...

稀疏矩阵(Sparse Matrix)

热门推荐

weixin_44852067的博客

03-29

1万+

稀疏矩阵在数值分析中，是其元素大部分为零的矩阵。在矩阵中，若数值0的元素数目远多于非0元素的数目，并且非0元素分布没有规律矩阵的稠密度非零元素的总数比上矩阵所有元素的总数。

Scipy.sparse中coo_matrix、csc_matrix、csr_matrix、lil_matrix辨析

调皮李小怪博客

05-17

3776

简介 1. coo_matrix: 坐标格式的矩阵(Coodrdinate format matrix) data = [1, 1, 1] row = [0, 1, 1] col = [0, 1, 1] matrix = sp.coo_matrix((data, (row, col)), shape=(3, 3)) matrix.todense() out: matrix([[1, 0, 0], [0, 2, 0], [0, 0, 0]]) 优点：不同稀疏格式间

torch sparse tensor转化为scipy.sparse.csr_matrix

StarfishCu的博客

09-30

1734

abaaba

【Scipy学习】Scipy中稀疏矩阵用法解析（sp.csr_matrix；sp.csc_matrix；sp.coo_matrix）

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。

分析理解 scipy.sparse.csr_matrix 中的 indptr & indices & data

我有明珠一颗的博客

03-28

2741

indptr =[0 2 5 7] 稀疏矩阵的行数：row = len(indptr) - 1 = 4 - 1 = 3 第0行非零元素个数：2 - 0 = 2；位置分别在index = 1，3；数值分别为1，2 第1行非零元素个数：5 - 2 = 3；位置分别在index = 0，1，3；数值分别为1，1，2 第2行非零元素个数：7 - 5 = 2；位置分别在index = 0，2；数值分别为2，5 indices =[1 3 0 1 3 0 2] 稀疏矩阵的列数：col = max(ind..

稀疏矩阵Compressed Row Storage存储格式

大猪的专栏

03-08

1万+

稀疏矩阵(Sparse Matrix)由于有很多0，为了节省空间，一般压缩存储。通常只需要保存非零元素及其位置即可。下面介绍Compressed Row Storage(CRS)格式或者称为 Compressed sparse row(CSR)格式，由名称可见，该格式是把行的信息压缩存储了，只显式保留每行第一个非零元素的位置，具体在例子中可以看到。假设有稀疏矩阵A，我们需要

稀疏满矩阵转CSR格式

11-16

稀疏满矩阵转按行压缩存储（CSR）格式，matlab源代码，用于学习和借鉴。

CSR（compressed sparse row matrix）

CV_RC的博客

10-01

2192

https://docs.scipy.org/doc/scipy/reference/generated/scipy.sparse.csr_matrix.html CSR（compressed sparse row matrix） import numpy as np from scipy.sparse import csr_matrix indptr = n

csr_matrix用法

weixin_30475039的博客

06-17

422

1 csr_matrix默认对未填充的位置置为0, row = [0, 0, 0, 1, 1, 1, 2, 2, 2] # 行指标 col = [0, 1, 2, 0, 1, 2, 0, 1, 2] # 列指标 data = [1, 0, 1, 0, 1, 1, 1, 1, 0] # 在行指标列指标下的数字 team = csr_matrix((data, (row, ...

CSR稀疏矩阵存储方式

AplusX

11-04

3212

矩阵可分为稠密矩阵和稀疏矩阵，对于稀疏矩阵而言，使用同样的内存来存储这个矩阵显然是对内存的浪费，那么我们就可以想办法将矩阵中所有的o元素挥着不相关元素剔除，怎么剔除，第一种方法是通过三个一维矩阵来存储原二维矩阵中的所有非0元素，三个矩阵分别为value、column、row, value 数组存储所有的非零元素， column 数组存储所有非零元素的列下标 row 数组存储所有的非零元素的行下...

csr_matrix(Compressed Sparse Row matrix)存储模式 ---稀疏数据的压缩

qq_26645205的博客

08-13

847

压缩稀疏矩阵的某种存储方式 >>> 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,...

【常见函数学习】sparse.csr_matrix矩阵的压缩存储

jqq125的博客

07-06

332

sparse.csr_matrix矩阵的压缩存储

dict.setdefault dict.get() csr_matrix的理解

qq_36033058的博客

01-03

253

dict.get()函数： get() 函数返回指定键的值，即键对应的value，如果值不在字典中返回默认值。语法：dict.get(key, default=None)。其中key为要查找的键，如果key对应的值不存在，则返回default默认值。 dict.setdefault()函数：源码：D.setdefault(k[,d]) -> D.get(k,d), also se...

Compressed Sparse Row (CSR)行压缩存储相关错误概念纠正

LYZ的备忘录

04-13

1141

之前关于矩阵压缩存储的知识都是网上看的，比如这篇稀疏矩阵存储格式总结+存储效率对比:COO,CSR,DIA,ELL,HYB 里面对ia数组，即行偏移数组的表述是这样的。强调了ia数组中存的是某行的第一个元素的偏移。今天测试一个国外数学教授开源的AGMG库时才发现如果按之前的理解，还原后的矩阵将和理论上的无法统一。翻看维基发现，CSR的ia定义并没有说其存储的是第一个元素的偏移信息。ia只是存储了非零行的start索引，这里的start与该行第一个非零元在ja和a中的索引没有关系，其实只是表

from scipy.sparse import csr_matrix, issparse ImportError: cannot import name 'csr_matrix' from 'scipy.sparse' (unknown location)

最新发布

08-07

在使用 `scipy.sparse` 模块时，若尝试导入 `csr_matrix` 或 `issparse` 函数时出现 `ImportError`，通常由以下几个原因导致： 1. **SciPy 未正确安装** 如果系统中未安装 SciPy 或安装不完整，会导致无法导入 `csr_matrix` 和 `issparse`。可通过以下命令重新安装或更新 SciPy： ```bash pip install --upgrade scipy ``` 安装完成后，验证导入是否正常： ```python from scipy.sparse import csr_matrix, issparse ``` 2. **导入语句拼写错误** Python 对大小写和模块路径敏感，确保导入语句正确无误： ```python from scipy.sparse import csr_matrix, issparse ``` 如果使用了错误的模块名或函数名，例如 `CsrMatrix` 或 `is_sparse`，则会引发 `ImportError`。 3. **环境配置问题** 在某些情况下，Python 环境可能存在多个版本的 SciPy，导致冲突。可通过以下命令检查当前环境中 SciPy 的版本： ```bash pip show scipy ``` 确保使用的 Python 解释器与安装的 SciPy 包对应。若存在多个 Python 版本，可尝试使用具体的 Python 版本命令安装，例如： ```bash python3.9 -m pip install scipy ``` 4. **使用虚拟环境** 若项目依赖多个库版本，建议使用虚拟环境（如 `venv` 或 `conda`）隔离依赖。创建并激活虚拟环境后重新安装 SciPy： ```bash python -m venv myenv source myenv/bin/activate # Linux/macOS myenv\Scripts\activate # Windows pip install scipy ``` 5. **从 NumPy 或其他模块误导入** `csr_matrix` 和 `issparse` 仅存在于 `scipy.sparse` 模块中，不能从 `numpy` 或 `scipy` 的其他子模块中导入。确保未出现如下错误写法： ```python from numpy import csr_matrix # 错误 from scipy import csr_matrix # 错误 ``` 6. **运行时环境问题** 在某些集成开发环境（如 Jupyter Notebook、PyCharm、VS Code）中，可能未正确加载当前 Python 环境。确保 IDE 使用的是安装了 SciPy 的 Python 解释器。可在 Jupyter Notebook 中运行以下代码确认当前环境： ```python import sys print(sys.executable) ``` ### 示例代码：正确使用 csr_matrix 和 issparse ```python from scipy.sparse import csr_matrix, issparse # 构造稀疏矩阵 data = [1, 2, 3] indices = [0, 1, 2] indptr = [0, 1, 2, 3] sparse_matrix = csr_matrix((data, indices, indptr), shape=(3, 3)) # 判断是否为稀疏矩阵 print(issparse(sparse_matrix)) # 输出 True ```