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])
scipy.sparse.csc_matrix((data, indices, indptr), shape=(3, 3)).toarray()
output:
array([[1, 0, 4],
[0, 0, 5],
[2, 3, 6]])
转换成稀疏矩阵有3种方式: crc_matrix, csr_matrix, coo_matrix
crc_matrix 矩阵是按照列存储的
indptr 是每列数据的对应的data的下标,即 indptr[0] - indptr[1], indptr[2] - indptr[1], indptr[3] - indptr[2] 数据有3列
indices 是 对应的行的下标大小
第一列:
data[ indptr[0] : indptr[1] ] = data[0:2] = 1, 2
indices[indptr[0] : indptr[1] ] = indices[0:2] = 0, 2
output:
[
[1],
[0],
[2]
]
第二列:
data[ indptr[1] : indptr[2] ] = data[2:3] = 3
indices[indptr[1] : indptr[2] ] = indices[2:3] = 2
output(加上第一列):
[
[1, 0],
[0, 0],
[2, 3]
]
第三列:
data[ indptr[2] : indptr[3] ] = data[3:6] = 4,5,6
indices[indptr[2] : indptr[3] ] = indices[3:6] = 0,1,2
output(加上1,2列):
[
[1, 0, 4],
[0, 0, 5],
[2, 3, 6]
]
同理,csr_matrix 是按行的方式来的
row= np.array([0,2,0,4])
col= np.array([0,1,2,4])
data=np.array([1,2,3,4])
scipy.sparse.coo_matrix((data, (row,col)),shape=(5,5)).toarray()
output:
array([[1, 0, 3, 0, 0],
[0, 0, 0, 0, 0],
[0, 2, 0, 0, 0],
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 4]])
coo_matrix 很简单,就是row与col对应的位置上有值,其它都为0
来源:CSDN
作者:我承包的鱼塘
链接:https://blog.csdn.net/weixin_39594447/article/details/86680126