第一种用法代码如下:
import scipy.sparse as sp
a=[[1,0,0],
[0,0,1],
[0,1,0]]
a_coo_matrix=sp.coo_matrix(a)
print('a_coo_matric:\n',a_coo_matrix)
输出:
第二种用法,也是比较常用的
row=np.array([0, 3, 1, 0])
col = np.array([0, 3, 1, 2])
data = np.array([4, 5, 7, 9])
dataarray=sp.coo_matrix((data, (row, col)), shape=(4, 4)).toarray()
print('dataarray:\n',dataarray)
输出:
通过观察可以发现,每个元素对应的索引就是上和列中的数组合,例如4就是出现在(0,0)的位置上,5出现在(3,3)的位置上,7出现在(1,1)的位置上,9出现在(0,2)的位置上。
第二种用法中出现了四个参数,分别是data,col,row和shape。
- data: 就是原始矩阵中的数据,例如上面的4,5,7,9;
- row:代表data中数据所处的行
- col:代表data中数据所处的列
-
shape:表示最后生成矩阵的形状
如果shape设置成(5,5)就会输出:
希望能帮到你
如果这篇博客对您有帮助,愿您不吝打赏,您的鼓励是对我最大的肯定,也将督促我书写更多高质量的博客。