如何在Python中创建稀疏矩阵

如果矩阵的大部分元素的值都为 0 ，则称为稀疏矩阵。使用稀疏矩阵而不是简单矩阵的两个主要好处是：

• 存储：非零元素比零少，因此可以使用更少的内存仅存储这些元素。
• 计算时间：可以通过逻辑设计一个只遍历非零元素的数据结构来节省计算时间。

稀疏矩阵通常是 用于应用机器学习，例如包含将类别映射到计数的数据编码的数据，以及机器学习的整个子领域，例如自然语言处理 (NLP)。

例子：

0 0 3 0 4            
0 0 5 7 0
0 0 0 0 0
0 2 6 0 0

用二维数组表示稀疏矩阵会导致大量内存的浪费，因为矩阵中的零在大多数情况下都没有用。因此，我们只存储非零元素，而不是用非零元素存储零。这意味着使用三元组（行、列、值）存储非零元素。

在Python中创建稀疏矩阵

Python 的SciPy 提供使用多种数据结构创建稀疏矩阵的工具，以及将密集矩阵转换为稀疏矩阵的工具。函数csr_matrix()用于创建压缩稀疏行格式的稀疏矩阵，而csc_matrix()用于创建压缩稀疏列格式的稀疏矩阵。

# 使用csr_matrix()

Syntax:

scipy.sparse.csr_matrix(shape=None, dtype=None)

 

Parameters:

shape: Get shape of a matrix

dtype: Data type of the matrix

示例 1：

Python

# Python program to create
# sparse matrix using csr_matrix()
  
# Import required package
import numpy as np
from scipy.sparse import csr_matrix
  
# Creating a 3 * 4 sparse matrix
sparseMatrix = csr_matrix((3, 4), 
                          dtype = np.int8).toarray()
  
# Print the sparse matrix
print(sparseMatrix)

输出：

[[0 0 0 0]
 [0 0 0 0]
 [0 0 0 0]]

示例 2：

Python

# Python program to create
# sparse matrix using csr_matrix()
  
# Import required package
import numpy as np
from scipy.sparse import csr_matrix
  
row = np.array([0, 0, 1, 1, 2, 1])
col = np.array([0, 1, 2, 0, 2, 2])
  
# taking data
data = np.array([1, 4, 5, 8, 9, 6])
  
# creating sparse matrix
sparseMatrix = csr_matrix((data, (row, col)), 
                          shape = (3, 3)).toarray()
  
# print the sparse matrix
print(sparseMatrix)

输出：

[[ 1  4  0]
 [ 8  0 11]
 [ 0  0  9]]

# 使用csc_matrix()

Syntax:

scipy.sparse.csc_matrix(shape=None, dtype=None)

 

Parameters:

shape: Get shape of a matrix

dtype: Data type of the matrix

示例 1：

Python

# Python program to create
# sparse matrix using csc_matrix()
  
# Import required package
import numpy as np
from scipy.sparse import csc_matrix
  
# Creating a 3 * 4 sparse matrix
sparseMatrix = csc_matrix((3, 4), 
                          dtype = np.int8).toarray()
  
# Print the sparse matrix
print(sparseMatrix)

输出：

[[0 0 0 0]
 [0 0 0 0]
 [0 0 0 0]]

示例 2：

Python

# Python program to create
# sparse matrix using csc_matrix()
  
# Import required package
import numpy as np
from scipy.sparse import csc_matrix
  
row = np.array([0, 0, 1, 1, 2, 1])
col = np.array([0, 1, 2, 0, 2, 2])
  
# taking data
data = np.array([1, 4, 5, 8, 9, 6])
  
# creating sparse matrix
sparseMatrix = csc_matrix((data, (row, col)),
                          shape = (3, 3)).toarray()
  
# print the sparse matrix
print(sparseMatrix)

输出：

[[ 1  4  0]
 [ 8  0 11]
 [ 0  0  9]]