Разреженная матрица SciPy
Разреженная матрица — это матрица в численном анализе, в которой подавляющее большинство значений равно нулю. И наоборот, если большинство элементов не равно нулю, матрица называется плотной.
Большие разреженные матрицы часто встречаются при решении линейных моделей в науке и технике.

На рисунке выше слева находится разреженная матрица, в которой, как видно, много элементов 0, а справа — плотная матрица, где большинство элементов ненулевые.
Рассмотрим простой пример:
Приведённая выше разреженная матрица содержит только 9 ненулевых элементов и также содержит 26 нулевых элементов. Её разреженность составляет 74%, а плотность — 26%.
Модульscipy.sparseиз SciPy предоставляет функции для обработки разреженных матриц.
В основном мы используем следующие два типа разреженных матриц:
- CSC — Compressed Sparse Column, сжатие по столбцам.
- CSR — Compressed Sparse Row, сжатие по строкам.
В этой главе мы в основном используем CSR-матрицу.
CSR-матрица
Мы можем передать вscipy.sparse.csr_matrix()функцию массив, чтобы создать CSR-матрицу.
Пример
Создайте CSR-матрицу.
from scipy.sparse import csr_matrix
arr = np.array([0, 0, 0, 0, 0, 1, 1, 0, 2])
print(csr_matrix(arr))
Приведённый выше код выводит следующий результат:
(0, 5) 1 (0, 6) 1 (0, 8) 2
Анализ результатов:
- Первая строка: в шестой позиции (значение индекса 5) в первой строке (значение индекса 0) матрицы находится значение 1.
- Вторая строка: в седьмой позиции (значение индекса 6) в первой строке (значение индекса 0) матрицы находится значение 1.
- Третья строка: в девятой позиции (значение индекса 8) в первой строке (значение индекса 0) матрицы находится значение 2.
Методы CSR-матрицы
Мы можем использоватьdataсвойство для просмотра сохранённых данных (исключая 0 элементов):
Пример
from scipy.sparse import csr_matrix
arr = np.array([[0, 0, 0], [0, 0, 1], [1, 0, 2]])
print(csr_matrix(arr).data)
Приведённый выше код выводит следующий результат:
[1 1 2]
Используйтеcount_nonzero()метод для вычисления общего количества ненулевых элементов:
Пример
from scipy.sparse import csr_matrix
arr = np.array([[0, 0, 0], [0, 0, 1], [1, 0, 2]])
print(csr_matrix(arr).count_nonzero())
Приведённый выше код выводит следующий результат:
3
Используйтеeliminate_zeros()метод для удаления 0 элементов из матрицы:
Пример
from scipy.sparse import csr_matrix
arr = np.array([[0, 0, 0], [0, 0, 1], [1, 0, 2]])
mat = csr_matrix(arr)
mat.eliminate_zeros()
print(mat)
Приведённый выше код выводит следующий результат:
(1, 2) 1 (2, 0) 1 (2, 2) 2
Используйте метод sum_duplicates() для удаления дубликатов:
Пример
from scipy.sparse import csr_matrix
arr = np.array([[0, 0, 0], [0, 0, 1], [1, 0, 2]])
mat = csr_matrix(arr)
mat.sum_duplicates()
print(mat)
Приведённый выше код выводит следующий результат:
(1, 2) 1 (2, 0) 1 (2, 2) 2
Преобразуйте CSR в CSC с помощью метода tocsc():
Пример
from scipy.sparse import csr_matrix
arr = np.array([[0, 0, 0], [0, 0, 1], [1, 0, 2]])
newarr = csr_matrix(arr).tocsc()
print(newarr)
(2, 0) 1 (1, 2) 1 (2, 2) 2Другие расширения