scipy.sparse.

coo_array#

класс scipy.sparse.coo_array(arg1, shape=None, dtype=None, copy=False, *, maxprint=None)[источник]#

Разреженный массив в формате COOrdinate.

Также известен как формат 'ijv' или 'triplet'.

Это может быть создано несколькими способами:
coo_array(D)

где D — это ndarray

coo_array(S)

с другой разреженной матрицей или массивом S (эквивалентно S.tocoo())

coo_array(shape, [dtype])

для создания пустого разреженного массива с формой shape dtype опционален, по умолчанию dtype='d'.

coo_array((данные, координаты), [форма])
для построения из существующих данных и массивов индексов:

  1. data[:] элементы разреженного массива в любом порядке

  2. coords[i][:] координаты по оси i для записей данных

Где A[coords] = data, и coords — это кортеж массивов индексов. Когда shape не указан, он выводится из массивов индексов.

Атрибуты:
dtypedtype

Тип данных разреженного массива

shapeкортеж целых чисел

Форма разреженного массива

ndimint

Количество измерений разреженного массива

nnz

Количество хранимых значений, включая явные нули.

size

Количество сохранённых значений.

данные

Массив данных в формате COO разреженного массива

coords

Кортеж формата COO массивов индексов

has_canonical_formatbool

Имеет ли матрица отсортированные координаты и отсутствие дубликатов

format

Строка формата для матрицы.

T

Транспонирование.

Методы

__len__()

arcsin()

Поэлементный арксинус.

arcsinh()

Поэлементный arcsinh.

arctan()

Поэлементный арктангенс.

arctanh()

Поэлементный арктангенс гиперболический.

argmax([axis, out, explicit])

Возвращает индексы максимальных элементов вдоль оси.

argmin([axis, out, explicit])

Возвращает индексы минимальных элементов вдоль оси.

asformat(format[, copy])

Вернуть этот массив/матрицу в переданном формате.

astype(dtype[, casting, copy])

Привести элементы массива/матрицы к указанному типу.

ceil()

Поэлементное округление вверх.

conj([copy])

Поэлементное комплексное сопряжение.

conjugate([copy])

Поэлементное комплексное сопряжение.

copy()

Возвращает копию этого массива/матрицы.

count_nonzero([axis])

Количество ненулевых элементов, эквивалентно

deg2rad()

Поэлементное преобразование градусов в радианы.

diagonal([k])

Возвращает k-ю диагональ массива/матрицы.

dot(other)

Возвращает скалярное произведение двух массивов.

eliminate_zeros()

Удалить нулевые элементы из массива/матрицы

expm1()

Поэлементный expm1.

floor()

Поэлементное округление вниз.

log1p()

Поэлементный log1p.

max([axis, out, explicit])

Возвращает максимум массива/матрицы или максимум вдоль оси.

maximum(other)

Поэлементный максимум между этим и другим массивом/матрицей.

mean([axis, dtype, out])

Вычисляет среднее арифметическое вдоль указанной оси.

min([axis, out, explicit])

Возвращает минимум массива/матрицы или максимум вдоль оси.

minimum(other)

Поэлементный минимум между этим и другим массивом/матрицей.

multiply(other)

Поэлементное умножение на другой массив/матрицу.

nanmax([axis, out, explicit])

Вернуть максимум, игнорируя любые NaN, вдоль оси.

nanmin([axis, out, explicit])

Возвращает минимум, игнорируя любые NaN, вдоль оси.

nonzero()

Ненулевые индексы массива/матрицы.

power(n[, dtype])

Эта функция выполняет поэлементное возведение в степень.

rad2deg()

Поэлементное преобразование радиан в градусы.

reshape(self, shape[, order, copy])

Придаёт новую форму разреженному массиву/матрице без изменения данных.

resize(*shape)

Изменить размер массива/матрицы на месте до размеров, заданных shape

rint()

Поэлементный rint.

setdiag(values[, k])

Установить диагональные или внедиагональные элементы массива/матрицы.

sign()

Поэлементный знак.

sin()

Поэлементный синус.

sinh()

Поэлементный sinh.

sqrt()

Поэлементное вычисление квадратного корня.

sum([axis, dtype, out])

Суммировать элементы массива/матрицы по заданной оси.

sum_duplicates()

Устранить дублирующиеся записи, складывая их вместе

tan()

Поэлементный тангенс.

tanh()

Поэлементный tanh.

tensordot(other[, axes])

Возвращает тензорное произведение с другим массивом вдоль заданных осей.

toarray([order, out])

Возвращает плотное представление ndarray для этого разреженного массива/матрицы.

tobsr([blocksize, copy])

Преобразовать этот массив/матрицу в формат Block Sparse Row.

tocoo([copy])

Преобразование этого массива/матрицы в формат COOrdinate.

tocsc([copy])

Преобразовать этот массив/матрицу в формат Compressed Sparse Column

tocsr([copy])

Преобразовать этот массив/матрицу в формат Compressed Sparse Row

todense([order, out])

Возвращает плотное представление этого разреженного массива.

todia([copy])

Преобразовать этот массив/матрицу в разреженный DIAгональный формат.

todok([copy])

Преобразовать этот массив/матрицу в формат Dictionary Of Keys.

tolil([copy])

Преобразовать этот массив/матрицу в формат List of Lists.

trace([offset])

Возвращает сумму по диагоналям разреженного массива/матрицы.

transpose([axes, copy])

Обращает размерности разреженного массива/матрицы.

trunc()

Поэлементное усечение.

__mul__

Примечания

Разреженные массивы можно использовать в арифметических операциях: они поддерживают сложение, вычитание, умножение, деление и возведение матрицы в степень.

Преимущества формата COO

  • обеспечивает быстрое преобразование между разреженными форматами

  • допускает повторяющиеся записи (см. пример)

  • очень быстрое преобразование в форматы CSR/CSC и обратно

Недостатки формата COO
  • не поддерживает напрямую:

    • арифметические операции

    • slicing

Предполагаемое использование

  • COO — это быстрый формат для построения разреженных массивов

  • После построения массива COO преобразовать в формат CSR или CSC для быстрых арифметических операций и операций с матрицами и векторами

  • По умолчанию при преобразовании в формат CSR или CSC повторяющиеся записи (i,j) будут суммированы. Это облегчает эффективное построение матриц конечных элементов и подобных структур. (см. пример)

Канонический формат

  • Записи и координаты отсортированы по строкам, затем по столбцам.

  • Нет повторяющихся записей (т.е. дублирующихся позиций (i,j))

  • Массивы данных МОГУТ содержать явные нули.

Примеры

>>> # Constructing an empty sparse array
>>> import numpy as np
>>> from scipy.sparse import coo_array
>>> coo_array((3, 4), dtype=np.int8).toarray()
array([[0, 0, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 0]], dtype=int8)

>>> # Constructing a sparse array using ijv format
>>> row  = np.array([0, 3, 1, 0])
>>> col  = np.array([0, 3, 1, 2])
>>> data = np.array([4, 5, 7, 9])
>>> coo_array((data, (row, col)), shape=(4, 4)).toarray()
array([[4, 0, 9, 0],
       [0, 7, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 5]])

>>> # Constructing a sparse array with duplicate coordinates
>>> row  = np.array([0, 0, 1, 3, 1, 0, 0])
>>> col  = np.array([0, 2, 1, 3, 1, 0, 0])
>>> data = np.array([1, 1, 1, 1, 1, 1, 1])
>>> coo = coo_array((data, (row, col)), shape=(4, 4))
>>> # Duplicate coordinates are maintained until implicitly or explicitly summed
>>> np.max(coo.data)
1
>>> coo.toarray()
array([[3, 0, 1, 0],
       [0, 2, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 1]])
На этой странице