scipy稀疏数组dok_array如何使用

这篇文章主要介绍“scipy稀疏数组dok_array如何使用”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“scipy稀疏数组dok_array如何使用”文章能帮助大家解决问题。

dok_array

dok数组就是通过键值对存储的数组，其中key就是矩阵中的坐标元组，value就是对应坐标中的值，是最容易理解的稀疏矩阵存储方案。

>>> import numpy as np>>> from scipy.sparse import dok_array>>> dok = dok_array((5, 5), dtype=np.float32)>>> for i in range(5):...     for j in range(5):...         dok[i, j] = i + j    # Update element...>>> print(dok.toarray())[[0. 1. 2. 3. 4.] [1. 2. 3. 4. 5.] [2. 3. 4. 5. 6.] [3. 4. 5. 6. 7.] [4. 5. 6. 7. 8.]]

得到结果为

从上面的代码来看，其等价形式如下，唯一的区别是，对于一个全0的矩阵，array必须将所有0都存储下来，而dok数组可以不存储任何有效值。但对于全都不是0的矩阵，dok除了存储矩阵的值之外，还要将矩阵的坐标重新写一边，相当于数据量翻了三倍。

>>> Z = np.zeros([5,5])>>> for i in range(5):...     for j in range(5):...         Z[i, j] = i + j    # Update element...>>> print(Z)[[0. 1. 2. 3. 4.] [1. 2. 3. 4. 5.] [2. 3. 4. 5. 6.] [3. 4. 5. 6. 7.] [4. 5. 6. 7. 8.]]

初始化方案

dok仅支持三种初始化方案：

• dok_array(D) D是一个稀疏数组或2 × D 2\times D2×D数组

• dok_array(S) S是另一种稀疏数组。

• dok_array((M, N),dtype='d') 创建一个shape为( M , N ) (M, N)(M,N)的空数组，dtype为数据类型

内置方法

稀疏数组在计算上并不便捷，所以dok_array中内置了下列函数，可以高效地完成计算。

关于“scipy稀疏数组dok_array如何使用”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注编程网精选频道，小编每天都会为大家更新不同的知识点。