scipy.sparse.

dok_array#

class scipy.sparse.dok_array(arg1, shape=None, dtype=None, copy=False)[源代码][源代码]#

基于键值字典的稀疏数组。

这是一种用于逐步构建稀疏数组的高效结构。

这可以通过几种方式实例化：
dok_array(D)

其中 D 是一个 2-D ndarray

dok_array(S)

与另一个稀疏数组或矩阵 S 结合（相当于 S.todok()）

dok_array((M,N), [dtype])

使用初始形状 (M,N) 创建数组，dtype 是可选的，默认为 dtype=’d’

属性:
dtypedtype

数组的类型

形状2元组

数组的形状

ndim整数

维度数量（这总是2）

nnz

存储值的数量，包括显式零。

size

存储值的数量。

T

转置。

方法

__getitem__(key)

x.__getitem__(y) <==> x[y]

__len__()

返回 len(self)。

asformat(format[, copy])

以传递的格式返回此数组/矩阵。

astype(dtype[, casting, copy])

将数组/矩阵元素转换为指定类型。

clear()

conj([copy])

逐元素复共轭。

conjtransp()

已弃用：返回共轭转置。

conjugate([copy])

逐元素复共轭。

copy()

返回此数组/矩阵的副本。

count_nonzero()

非零条目的数量，相当于

diagonal([k])

返回数组/矩阵的第 k 个对角线。

dot(other)

普通点积

fromkeys(iterable[, value])

使用可迭代对象中的键创建一个新字典，并将值设置为指定的值。

get(key[, default])

这提供了带有类型检查的 dict.get 方法功能

items()

keys()

maximum(other)

此数组/矩阵与另一个数组/矩阵之间的逐元素最大值。

mean([axis, dtype, out])

计算指定轴上的算术平均值。

minimum(other)

此数组/矩阵与另一个数组/矩阵之间的逐元素最小值。

multiply(other)

逐点乘以另一个数组/矩阵。

nonzero()

数组/矩阵的非零索引。

pop(k[,d])

如果未找到键，则返回给定的默认值；否则，引发 KeyError。

popitem()

移除并返回一个 (键, 值) 对作为 2-tuple。

power(n[, dtype])

逐元素幂运算。

reshape(self, shape[, order, copy])

在不改变其数据的情况下，给稀疏数组/矩阵赋予一个新的形状。

resize(*shape)

将数组/矩阵就地调整为 shape 给定的尺寸

setdefault(key[, default])

如果字典中不存在键，则插入键并赋予默认值。

setdiag(values[, k])

设置数组/矩阵的对角线或非对角线元素。

sum([axis, dtype, out])

对数组/矩阵元素沿指定轴求和。

toarray([order, out])

返回此稀疏数组/矩阵的密集 ndarray 表示形式。

tobsr([blocksize, copy])

将此数组/矩阵转换为块稀疏行格式。

tocoo([copy])

将此数组/矩阵转换为 COOrdinate 格式。

tocsc([copy])

将此数组/矩阵转换为压缩稀疏列格式。

tocsr([copy])

将此数组/矩阵转换为压缩稀疏行格式。

todense([order, out])

返回此稀疏数组/矩阵的密集表示。

todia([copy])

将此数组/矩阵转换为稀疏对角格式。

todok([copy])

将此数组/矩阵转换为字典键格式。

tolil([copy])

将此数组/矩阵转换为列表的列表格式。

trace([offset])

返回稀疏数组/矩阵对角线上的和。

transpose([axes, copy])

反转稀疏数组/矩阵的维度。

update([E, ]**F)

如果 E 存在且有 .keys() 方法，则执行： for k in E: D[k] = E[k] 如果 E 存在但没有 .keys() 方法，则执行： for k, v in E: D[k] = v 在任何一种情况下，之后都会执行： for k in F: D[k] = F[k]

values()

__mul__

注释

稀疏数组可以用于算术运算：它们支持加法、减法、乘法、除法和矩阵幂运算。

  • 允许对单个元素进行高效的 O(1) 访问。

  • 不允许重复。

  • 一旦构建完成，可以高效地转换为 coo_array。

示例

>>> import numpy as np
>>> from scipy.sparse import dok_array
>>> S = dok_array((5, 5), dtype=np.float32)
>>> for i in range(5):
...     for j in range(5):
...         S[i, j] = i + j    # Update element
On this page