小矩阵#
- class scipy.sparse.lil_matrix(arg1, shape=None, dtype=None, copy=False)[源代码][源代码]#
基于行的列表的稀疏矩阵。
这是一个用于逐步构建稀疏矩阵的结构。请注意，在最坏情况下插入单个项目可能需要线性时间；为了高效构建矩阵，请确保项目按行索引预先排序。
- 这可以通过几种方式实例化：
- lil_matrix(D)
其中 D 是一个 2-D ndarray
- lil_matrix(S)
与另一个稀疏数组或矩阵 S 进行操作（等同于 S.tolil()）
- lil_matrix((M, N), [dtype])
构造一个形状为 (M, N) 的空矩阵，dtype 是可选的，默认为 dtype=’d’。
- 属性:
方法
__len__()__mul__(other)asformat(format[, copy])以传递的格式返回此数组/矩阵。
asfptype()将矩阵向上转换为浮点格式（如果需要）
astype(dtype[, casting, copy])将数组/矩阵元素转换为指定类型。
conj([copy])逐元素复共轭。
conjugate([copy])逐元素复共轭。
copy()返回此数组/矩阵的副本。
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
getH()返回此矩阵的厄米转置。
获取矩阵的形状
getcol(j)返回矩阵的第 j 列的副本，作为一个 (m x 1) 的稀疏矩阵（列向量）。
矩阵存储格式
打印时显示的最大元素数量。
getnnz([axis])存储值的数量，包括显式零。
getrow(i)返回矩阵第 i 行的副本，作为一个 (1 x n) 的稀疏矩阵（行向量）。
getrowview(i)返回第 'i' 行的视图（不进行复制）。
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。
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set_shape(shape)就地设置矩阵的形状
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。
__getitem__
注释
稀疏矩阵可以用于算术运算：它们支持加法、减法、乘法、除法和矩阵幂运算。
- LIL 格式的优势
支持灵活切片
对矩阵稀疏结构的更改是高效的
- LIL 格式的缺点
LIL + LIL 的算术运算很慢（考虑使用 CSR 或 CSC）
慢速列切片（考虑使用CSC）
慢速矩阵向量乘积（考虑CSR或CSC）
- 预期用途
LIL 是一种用于构建稀疏矩阵的便捷格式
一旦矩阵被构建，转换为CSR或CSC格式以进行快速算术和矩阵向量运算
在构建大型矩阵时，考虑使用 COO 格式。
- 数据结构
一个行数组 (
self.rows)，其中每一行都是非零元素的列索引的排序列表。相应的非零值以类似的方式存储在
self.data中。