本文主要介绍了scipy稀疏数组dok_array的具体使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
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。
| 函数 | expm1, log1p, sqrt, pow, sign |
| 三角函数 | sin, tan, arcsin, arctan, deg2rad, rad2deg |
| 双曲函数 | sinh, tanh, arcsinh, arctanh |
| 索引 | getcol, getrow, nonzero, argmax, argmin, max, min |
| 舍入 | ceil, floor, trunc |
| 变换 | conj, conjugate, getH |
| 统计 | count_nonzero, getnnz, mean, sum |
| 矩阵 | diagonal, trace |
| 获取属性 | get_shape, getformat |
| 计算比较 | multiply, dot, maximum, minimum |
| 转换 | asformat, asfptype, astype, toarray, todense |
| 转换 | tobsr, tocoo, tocsc, tocsr, todia, todok, tolil |
| 更改维度 | set_shape, reshape, resize, transpose |
| 排序 | sort_indices, sorted_indices |
| 移除元素 | eliminate_zeros, prune, sum_duplicates |
| 其他 | copy, check_format, getmaxprint, rint, setdiag |
到此这篇关于scipy稀疏数组dok_array的具体使用的文章就介绍到这了,更多相关scipy稀疏数组dok_array内容请搜索0133技术站以前的文章或继续浏览下面的相关文章希望大家以后多多支持0133技术站！
以上就是scipy稀疏数组dok_array的具体使用的详细内容，更多请关注0133技术站其它相关文章！
