CSR矩阵 矩阵压缩

于 2025-05-22 20:44:34 发布
阅读量132 收藏
点赞数
分类专栏： 数据结构与算法 文章标签： 矩阵 线性代数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jacke121/article/details/148148855
版权

CSR格式（Compressed Sparse Row，压缩稀疏行存储）是稀疏矩阵的一种高效存储格式

1. CSR的三元组结构

CSR通过三个一维数组表示整个稀疏矩阵：

数组名 作用 示例（对应下方矩阵）
data 存储所有非零元素的值（按行优先顺序排列） [3, 1, 2, 4, 5]
indices 存储每个非零元素所在的列索引（从0开始） [0, 2, 1, 0, 2]
indptr 存储每行的起始位置在data中的索引（最后一项=非零元素总数） [0, 2, 3, 5]

2. 示例解析

原始矩阵&#
了解本专栏 订阅专栏 解锁全文 超级会员免费看
龙格库塔法的基本原理
jacke121的专栏
03-05 6万+
龙格库塔法的基本原理该算法是构建在数学支持的基础之上的。对于一阶精度的拉格朗日中值定理有：对于微分方程：y'=f(x,y)y(i+1)=y(i)+h*K1K1=f(xi,yi)当用点xi处的斜率近似值K1与右端点xi+1处的斜率K2的算术平均值作为平均斜率K*的近似值，那么就会得到二阶精度的改进拉格朗日中值定理：y(i+1)=y(i)+[h*( K1+ K2)/2]K1=f(xi,yi)K2=f(...
快速理解平衡二叉树、B-tree、B+tree、B*tree
jacke121的专栏
10-18 3万+
快速理解平衡二叉树、B-tree、B+tree、B*tree
CSR 稀疏矩阵压缩 c++实现
最新发布
sinat_41053216的博客
09-25 356
使用c++实现了稀疏矩阵的CSR压缩
csr 矩阵 编码_CSR矩阵 - 矩阵乘法
weixin_39953236的博客
12-24 471
I have two square matrices A and BI must convert B to CSR Format and determine the product CA * B_csr = CI have found a lot of information online regarding CSR Matrix - Vector multiplication. The algo...
csr_matrix矩阵压缩
SuiXin_123的博客
10-26 2128
scipy库中的sparse.csr_matrix可对稀疏的np.array进行压缩处理，有两种方式：csr(Compressed Sparse Row marix) 和 csc(Compressed Sparse Column marix)。下面通过两个最常见的栗子说明一下。 scipy.sparse.csr_matrix　　按行进行压缩 >>> indptr = np.arr...
COO、CSR、CSC稀疏矩阵存储方式
热门推荐
争取早日成为硅农
07-01 4万+
稀疏矩阵是一种大部分元素为零的矩阵，因此使用特殊的数据结构来存储稀疏矩阵可以节省内存并提高计算效率。
【数据结构】数组和字符串（五）：特殊矩阵的压缩存储：稀疏矩阵——压缩稀疏行（CSR）
天地玄黄 魑魅魍魉 风花雪月 商角徵羽
10-26 1659
本文介绍了特殊矩阵的压缩存储：稀疏矩阵——压缩稀疏行（CSR）
CSR3矩阵格式
Take_We的博客
08-02 269
第一类：one-based indexing（从1开始计数）第一类：one-based indexing（从0开始计数）columns:依次对应每个元素的列数；rowIndex:前i行的元素数量之和。values:按行顺序存储每一个元素；
稀疏矩阵压缩方法CSR
weixin_33713707的博客
11-22 2615
2019独角兽企业重金招聘Python工程师标准>>> ...
稀疏矩阵的csr存储方式及其基本运算
tas的博客
03-05 1316
csr矩阵的实现
稀疏矩阵的压缩与还原
qq_45771848的博客
11-25 2573
什么是稀疏矩阵？ 一个矩阵中，如果大部分元素都是0，只有少部分是非0元素，这个矩阵就叫做稀疏矩阵。如下图所示，下面这个矩阵只有第1行第2列和第2行第4列的元素不为空，这个矩阵就是一个稀疏矩阵。 通常，我们用二维数组表示矩阵，但我们用二维数组表示稀疏矩阵时，二维数组里会存大量的0元素，占用内存，极大的浪费空间。这个时候我们通常会对稀疏矩阵进行压缩，让二维数组只存储非0元素，如下图所示。 假设压缩后的二维数组为B，B的第0行用来存储稀疏矩阵的相关信息。如B[0][0]表示稀疏矩阵一共有多少行，B[0][1]表
稀疏满矩阵转CSR格式
11-16
稀疏满矩阵转按行压缩存储（CSR）格式，matlab源代码，用于学习和借鉴。
可以用来计算压缩感知中测量矩阵和稀疏矩阵的RIP,稀疏矩阵的压缩存储方式有,matlab
09-10
常见的稀疏矩阵存储方法包括三元组存储（Tuple Storage）、压缩列存储（Compressed Column Storage，如CSR，Compressed Sparse Row）和压缩行存储（Compressed Row Storage，如CSC，Compressed Sparse Column）。...
Ilut.rar_CSR格式_ILUT_oldestkfp_稀疏矩阵 CSR_预处理 方程
07-15
这是用于线性方程组求解的ILUT预处理算法的实现。...矩阵采用压缩稀疏行格式存储（CSR） 很容易移植到自己定义数值计算软件包中。经本人测试计算效率比Fortran写的高很多（比如与Sparskit2比较）。
python实现稀疏矩阵的csr压缩
weixin_42105952的博客
12-22 1133
使用python进行稀疏矩阵的csr压缩 import numpy as np import scipy.sparse as sp def CSR(x):#输入一个矩阵 w=len(x[0]) h=len(x) A = np.array(x) AS = sp.csr_matrix(A) print("data=",AS.data) print("indptr=",AS.indptr) print("indices=",AS.indices)
对角矩阵 单位矩阵
jacke121的专栏
10-21 1万+
对角矩阵
python计算相关系数
jacke121的专栏
10-06 1万+
python计算相关系数
有1000瓶水，其中有一瓶有毒，小白鼠只要尝一点带毒的水24小时后就会死亡
jacke121的专栏
06-03 1万+
有1000瓶水，其中有一瓶有毒，小白鼠只要尝一点带毒的水24小时后就会死亡，至少要多少只小白鼠才能在24小时时鉴别出那瓶水有毒？1、有1000瓶水，其中有一瓶有毒，小白鼠只要尝一点带毒的水24小时后就会死亡，至少要多少只小白鼠才能在24小时时鉴别出那瓶水有毒。 我来解释一下，并给出一个方案，时间不是问题，24小时内肯定可以找出有毒的那瓶。 给1000个瓶分别标上如下标签（10位长度）： 00000...
基于图像形状的一种比较漂亮的分类算法
jacke121的专栏
10-06 6460
基于图像形状的一种比较漂亮的分类算法
大型矩阵csr压缩存储fortran
05-16
CSR（Compressed Sparse Row）压缩存储格式是一种针对大型稀疏矩阵的存储方式。其中，稀疏矩阵指的是其中绝大部分元素为0的矩阵，而我们只需要存储矩阵中非零元素的值以及它们所在的位置，即行和列的索引。在CSR格式中，我们将矩阵分解成三个数组来存储其非零元素：一个值数组，一个列索引数组和一个行指针数组。值数组中存储非零元素的值，与之对应的是列索引数组，用来标记这些值所在的列。行指针数组则记录每个行中第一个非零元素位置在值数组中的下标，用来加速行的遍历。 在Fortran语言中，CSR格式的实现可以通过使用数组和指针来完成，其中数组用于存储矩阵的非零值和列索引，而指针则用于存储每行的起始位置。具体地，每行非零元素的个数可以用指针数组中相邻元素的差来表示。在实现上，程序需要先读取原始矩阵，并将其转换为CSR格式，并在程序中存储CSR格式矩阵时，可以将其分为三个变量：值数组、列索引数组和行指针数组。此外，我们还可以使用稀疏矩阵库，如MKL或者umfpack等，来简化和加速矩阵操作的实现。 总之，在Fortran语言中，我们可以通过使用CSR格式的压缩存储方式来高效地处理大型稀疏矩阵，提升程序的效率和性能。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值