python以CSR格式访问列索引
我开始使用python和CSR格式 我知道,如果我有一个正确初始化的csr矩阵,我们称之为“连接性”,那么,当我键入python以CSR格式访问列索引,python,scipy,sparse-matrix,Python,Scipy,Sparse Matrix,我开始使用python和CSR格式 我知道,如果我有一个正确初始化的csr矩阵,我们称之为“连接性”,那么,当我键入 conectivity[14,:] 我会得到这样的回答: (0, 1) 1.0 (0, 13) 1.0 (0, 15) 1.0 (0, 27) 1.0 得到这个向量的正确方法是什么 [ 1, 13, 15, 27 ] conctivity是一个矩阵(不是np.matrix的子类,但功能类似) 是另一个二维稀疏矩阵。这就是你的照片所显
conectivity[14,:]
我会得到这样的回答:
(0, 1) 1.0
(0, 13) 1.0
(0, 15) 1.0
(0, 27) 1.0
得到这个向量的正确方法是什么
[ 1, 13, 15, 27 ]
conctivity
是一个矩阵(不是np.matrix
的子类,但功能类似)
是另一个二维稀疏矩阵。这就是你的照片所显示的
(0, 1) 1.0
(0, 13) 1.0
(0, 15) 1.0
(0, 27) 1.0
conconnectivity[14,:].toarray()
(或简称.A
)将为您提供
[[0,1,0...1,0,1,....]]
一个2d数组,包含1行和大量0
连接性[14,:]。数据
是此矩阵的数据
属性
连接性[14,:]。col
是列索引属性。我想这就是你想要的
连接性[14,:].nonzero()
还提供(非零项的)行和列值
我应该补充一点,
nonzero
适用于所有稀疏格式,.col
仅适用于coo
格式(coo
格式不实现这种形式的索引)。对于csr
矩阵,.index
给出列索引值;对于单行矩阵,这应该是所需的数组。对于多行矩阵。索引更为复杂
[[0,1,0...1,0,1,....]]