Coo_matrix和其他矩阵示例

Posted 2021-03-29

我理解这可能是一个非常广泛的话题，但我想了解更多。我的问题是关于来自sklearn的coo_matrix。

我从文档中读到并理解它表示稀疏矩阵的坐标矩阵。这里的“坐标”这个词有什么意义吗？

举个例子，

coo_matrix（（1,2））会得到我

array([[0, 0]])

那么在这个例子中，坐标甚至意味着什么呢？或者我们还有其他例子来区别于其他矩阵吗？如csr_matrix，bsr_matrix等。

同样，如果我问错了问题或者这个问题可以在任何地方找到，请尽可能让我知道或提供链接。

**对于“让我知道”，只要告诉我“你问一个太简单的问题”或“你的问题可以在其他地方找到，做一些研究”应该是好的然后我将删除这篇文章，因为它是不相关。

对于“分享链接”，请让我知道我可以在哪里学习并了解更多相关信息。先感谢您。 **

提示：根据一些专家的帖子被认为是一个重复的帖子，我已经获得了一些建议，如果其他人发布的答案可能与未来的读者有关，我可以留在这里，因此，我离开了。

答案

看起来你需要的一个铜矩阵是行列表，列列表和值（数据）列表（每个列表大小相同）。重要的是它们的大小与通过每个元素获得三元组（行索引，col索引，值）的大小相同。这告诉函数将值放在您正在生成的矩阵的（行索引，col索引）处。我很确定它被称为坐标格式，因为您传入坐标（带有行和列）以及相关的值。我们来做一个简单的例子。

row  = np.array([1,3])
col  = np.array([2,0])
data = np.array([5,11])
print(coo_matrix((data, (row, col)), shape=(4, 4)).toarray())

查看每个列表的第一个元素：

row[0] = 1和col[0] = 2，因此我们将查看矩阵中的(1,2)元素（记住在python中，索引从0开始）。 value[0] = 5，所以函数将5和(1,2)元素放在矩阵中。

查看每个列表的第二个元素：

row[1] = 3和col[1] = 0，因此我们将看看矩阵中的(3,0)元素。 value[1] = 11，所以函数将11放入矩阵中的(3,0)元素。

剩下的元素（除了那些索引的(1,2)和(3,0)）然后是0：

输出：

[[ 0  0  0  0]
 [ 0  0  5  0]
 [ 0  0  0  0]
 [11  0  0  0]]