python – 在Scipy稀疏矩阵中寻址范围

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – 在Scipy稀疏矩阵中寻址范围，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含571字，纯文字阅读大概需要1分钟。

内容图文

我有一个大矩阵,目前在numpy,我想移植到scipy稀疏矩阵,因为保存numpy(2000,2000)矩阵的文本表示超过100mb.

(1)似乎scipy中存在稀疏矩阵的过多[例如,lil_matrix或dok_matrix-哪一个对于简单的递增是最佳的,并且有效地保存到数据库中？

(2)
我希望能够像这样解决矩阵中的范围：

>> import numpy as np    
>> a = np.zeros((1000,1000))
>> a[3:5,4:7] += 1

对于稀疏矩阵来说,这似乎是不可能的？

解决方法:

我不能说哪个最有效存储.这将取决于您的数据.

我可以说,但是=运算符可以工作,只是你不能依赖通常的数组广播规则：

>>> m = sparse.lil_matrix((100,100))
>>> m[50:56,50:56]+=scipy.ones((6,6))
>>> m[50,50]  #1.0

内容总结

以上是互联网集市为您收集整理的python – 在Scipy稀疏矩阵中寻址范围全部内容，希望文章能够帮你解决python – 在Scipy稀疏矩阵中寻址范围所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端