1. 稀疏矩陣的建立：coo_matrix()

from scipy.sparse import coo_matrix# 建立稀疏矩陣data = [1,2,3,4]row = [3,6,8,2]col = [0,7,4,9]c = coo_matrix((data,(row,col)),shape=(10,10)) #構建10*10的稀疏矩陣，其中不為0的值和位置在第一個參數print(c)

2. 稀疏矩陣轉化為密集矩陣：todense()

d = c.todense()print(d)

3. 將一個0值很多的矩陣轉化為稀疏矩陣

e = coo_matrix(d) #將一個0值很多的矩陣轉為稀疏矩陣print(e)

4. save：類似于matlab中的.mat格式，python也可以保存參數數據，除了保存成csv，json，excel等之外，個人覺得matlab的.mat格式真的很強，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是要保存的數組

aa = np.array(d)print(aa)# savenp.save(’test_save_1.npy’, aa) #保存一個數組np.savez(’test_save_2’, aa=aa, d=d) #保存多個數組，其中稀疏矩陣可以直接保存

5. load：加載參數數據

#loada_ = np.load(’test_save_1.npy’)print(a_)dt = np.load(’test_save_2.npz’) #npz數據加載后是一個字典格式數據print(dt)print(dt[’aa’])print(dt[’d’]) #獲取其中的參數值，類似于字典形式獲取

6. 獲取npz數據的參數名稱

#獲取參數名稱p_name =list(dt.keys())print(p_name)#獲取值p_value =list(dt.values())print(p_value)

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持好吧啦網。