scipy中的coo_matric函数

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:
scipy中的coo_matric函数
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:
scipy中的coo_matric函数
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:
    scipy中的coo_matric函数

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。
scipy中的coo_matric函数

上一篇:GBase 8s MPP数据类型


下一篇:ASP.NET Core2利用MassTransit集成RabbitMQ