1. 稀疏矩阵的建立:coo_matrix()
from scipy.sparse import coo_matrix
# 建立稀疏矩阵
data = [1,2,3,4]
row = [3,6,8,2]
col = [0,7,4,9]
c = coo_matrix((data,(row,col)),shape=(10,10)) #构建10*10的稀疏矩阵,其中不为0的值和位置在第一个参数
print(c)
2. 稀疏矩阵转化为密集矩阵:todense()
d = c.todense()
print(d)
3. 将一个0值很多的矩阵转化为稀疏矩阵
e = coo_matrix(d) #将一个0值很多的矩阵转为稀疏矩阵
print(e)
4. save:类似于matlab中的.mat格式,python也可以保存参数数据,除了保存成csv,json,excel等之外,个人觉得matlab的.mat格式真的很强,啥都可以直接保存~~
import numpy as np
# numpy.save(arg_1,arg_2),arg_1是文件名,arg_2是要保存的数组```
```python
aa = np.array(d)
print(aa)
# save
np.save('test_save_1.npy', aa) #保存一个数组
np.savez('test_save_2', aa=aa, d=d) #保存多个数组,其中稀疏矩阵可以直接保存
5. load:加载参数数据
#load
a_ = np.load('test_save_1.npy')
print(a_)
dt = np.load('test_save_2.npz') #npz数据加载后是一个字典格式数据
print(dt)
print(dt['aa'])
print(dt['d']) #获取其中的参数值,类似于字典形式获取
6. 获取npz数据的参数名称
#获取参数名称
p_name =list(dt.keys())
print(p_name)
#获取值
p_value =list(dt.values())
print(p_value)
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持python博客。