scipy.sparse.

load_npz

scipy.sparse.load_npz(file)

使用 .npz 格式从文件加载稀疏数组/矩阵。

参数:

文件str 或类文件对象

数据将被加载的文件名（字符串）或已打开的文件（类文件对象）。

返回:

结果csc_array, csr_array, bsr_array, dia_array 或 coo_array

包含加载数据的稀疏数组/矩阵。

Raises:

OSError

如果输入文件不存在或无法读取。

参见

scipy.sparse.save_npz

使用 .npz 格式将稀疏数组/矩阵保存到文件中。

numpy.load

从 .npz 存档中加载多个数组。

示例

Try it in your browser!

将稀疏数组/矩阵存储到磁盘，并再次加载它：

>>> import numpy as np
>>> import scipy as sp
>>> sparse_array = sp.sparse.csc_array([[0, 0, 3], [4, 0, 0]])
>>> sparse_array
<Compressed Sparse Column sparse array of dtype 'int64'
    with 2 stored elements and shape (2, 3)>
>>> sparse_array.toarray()
array([[0, 0, 3],
       [4, 0, 0]], dtype=int64)

>>> sp.sparse.save_npz('/tmp/sparse_array.npz', sparse_array)
>>> sparse_array = sp.sparse.load_npz('/tmp/sparse_array.npz')

>>> sparse_array
<Compressed Sparse Column sparse array of dtype 'int64'
    with 2 stored elements and shape (2, 3)>
>>> sparse_array.toarray()
array([[0, 0, 3],
       [4, 0, 0]], dtype=int64)

在这个例子中，我们强制结果为 csr_array 从 csr_matrix >>> sparse_matrix = sp.sparse.csc_matrix([[0, 0, 3], [4, 0, 0]]) >>> sp.sparse.save_npz(‘/tmp/sparse_matrix.npz’, sparse_matrix) >>> tmp = sp.sparse.load_npz(‘/tmp/sparse_matrix.npz’) >>> sparse_array = sp.sparse.csr_array(tmp)

Go BackOpen In Tab