scipy csr_matrix和csc_matrix函数的用法(通俗易懂版)

最新推荐文章于 2024-04-09 15:57:14 发布

灬繁花落雨灬

最新推荐文章于 2024-04-09 15:57:14 发布

阅读量1.5k

点赞数 5

CC 4.0 BY-SA版权

分类专栏： python 文章标签： python scipy

本文链接：https://blog.csdn.net/qq_42426993/article/details/119977186

python 专栏收录该内容

1 篇文章

订阅专栏

本文详细解析了scipy.sparse库中csr_matrix和csc_matrix两种稀疏矩阵的构造及其区别。通过示例展示了如何使用indptr、indices和data创建这两种矩阵，并解释了它们在存储和索引上的特性。对于行和列操作，csr_matrix更适合按行访问，而csc_matrix更适合按列访问。这两个数据结构在处理大规模稀疏数据时能有效节省内存。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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, indices, indptr), shape=(3, 3)).toarray()
array([[1, 0, 2],
       [0, 0, 3],
       [4, 5, 6]])
解读：
 	indptr:代表的是每行有几个值(第一个值默认是0)
 		第一行：2-0=2
 		第二行：3-2=1
 		第三行：6-3=3
 	indices:代表值在每行中的位置
 		0：第0行的第一个值1在第0列
 		2：第0行的第二个值2在第2列
 		(第0行够了)
 		2：第1行的第一个值3在第2列
 		(第1行够了)
 		0：第2行的第一个值4在第0列
 		1：第2行的第二个值5在第1列
 		2：第2行的第三个值6在第2列
 		(完毕)

csc_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])
>>> csc_matrix((data, indices, indptr), shape=(3, 3)).toarray()
array([[1, 0, 4],
       [0, 0, 5],
       [2, 3, 6]])
解读：
	indptr:代表的是每列有几个值(第一个值默认是0)
		第一列：2-0=2
		第二列：3-2=1
		第三列：6-3=3
	indices:代表值在每列中的位置
		0：第0列的第一个值1在第0行
		2：第0列的第二个值2在第2行
		(第0列值够了)
		2：第1列的第一个值3在第2行
		(第1列值够了)
		0：第2列的第一个值4在第0行
		1：第2列的第一个值5在第1行
		2：第2列的第一个值6在第2行
		(完毕)