将 ndarray 转换为 csr_matrix

当我们需要将一个numpy的ndarray转换为稀疏矩阵（csr_matrix）时，可以使用scipy库中的sparse模块。

1. 导入依赖库

import numpy as np
from scipy.sparse import csr_matrix

2. 创建ndarray

arr = np.array([[1, 0, 2], [0, 3, 0], [4, 0, 5]])
print(arr)

输出：

array([[1, 0, 2],
       [0, 3, 0],
       [4, 0, 5]])

3. 将ndarray转换为csr_matrix

csr = csr_matrix(arr)
print(csr)

输出：

  (0, 0)        1
  (0, 2)        2
  (1, 1)        3
  (2, 0)        4
  (2, 2)        5

4. csr_matrix 的属性

csr_matrix 转换后的结果，依然保留了 ndarray 的非零元素，同时也记录了它们在矩阵中的位置。我们可以通过以下属性来查看稀疏矩阵的信息。

• shape：返回稀疏矩阵的形状
• data：返回稀疏矩阵中的数据
• indices：返回稀疏矩阵中非零数据所在的下标
• indptr：返回稀疏矩阵中每一行的第一个非零元素在data中的位置

print(csr.shape) # (3,3)
print(csr.data) # [1 2 3 4 5]
print(csr.indices) # [0 2 1 0 2]
print(csr.indptr) # [0 2 3 5]

5. 总结

在需要处理大规模矩阵时，稀疏矩阵是非常有用的数据结构。在numpy ndarray 转换成稀疏矩阵过程中，我们需要使用 scipy.sparse 库的 csr_matrix 函数。转换后的稀疏矩阵具有很多优秀的性能指标，使用它可以有效地优化相关算法的运算速度及内存消耗。