Hướng dẫn how do you add a sparse matrix in python? - làm thế nào để bạn thêm một ma trận thưa thớt trong python?
Nếu hầu hết các phần tử của ma trận có giá trị 0, thì nó được gọi là ma trận thưa thớt. Hai lợi ích chính của việc sử dụng ma trận thưa thớt thay vì ma trận đơn giản là:0 value, then it is called a sparse matrix. The two major benefits of using sparse matrix instead of a simple matrix are: Show
Các ma trận thưa thớt thường được sử dụng trong việc học máy ứng dụng như trong dữ liệu có chứa mã hóa dữ liệu ánh xạ các danh mục để đếm và cả trong toàn bộ các trường con của máy học như xử lý ngôn ngữ tự nhiên (NLP). are generallyutilized in applied machine learning such as in data containing data-encodings that map categories to count and also in entire subfields of machine learning such as natural language processing (NLP). Example: 0 0 3 0 4 0 0 5 7 0 0 0 0 0 0 0 2 6 0 0 Đại diện cho một ma trận thưa thớt bằng một mảng 2D dẫn đến sự lãng phí của nhiều bộ nhớ vì các số 0 trong ma trận không được sử dụng trong hầu hết các trường hợp. Vì vậy, thay vì lưu trữ số 0 với các phần tử khác không, chúng tôi chỉ lưu trữ các yếu tố khác không. Điều này có nghĩa là lưu trữ các phần tử khác không với bộ ba- (hàng, cột, giá trị).triples- (Row, Column, value). Tạo một ma trận thưa thớt trong PythonCác công cụ của Python sườn Scipygives để tạo ma trận thưa thớt bằng nhiều cấu trúc dữ liệu, cũng như các công cụ để chuyển đổi ma trận dày đặc thành ma trận thưa thớt. Hàm csr_matrix () được sử dụng để tạo một ma trận thưa thớt của định dạng hàng thưa thớt trong khi CSC_MATRIX () được sử dụng để tạo một ma trận thưa thớt của định dạng cột thưa thớt.SciPygives tools for creating sparse matrices using multiple data structures, as well as tools for converting a dense matrix to a sparse matrix. The function csr_matrix() is used to create a sparse matrix of compressed sparse row format whereas csc_matrix() is used to create a sparse matrix of compressed sparse column format. # Sử dụngcsr_matrix ()csr_matrix()
Ví dụ 1: Python
[[0 0 0 0] [0 0 0 0] [0 0 0 0]]0 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]1 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]2 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]3 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]4 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]5 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]6 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]7 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]8 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]9 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]2 [[ 1 4 0] [ 8 0 11] [ 0 0 9]]1 [[ 1 4 0] [ 8 0 11] [ 0 0 9]]2 [[ 1 4 0] [ 8 0 11] [ 0 0 9]]3 Output: [[0 0 0 0] [0 0 0 0] [0 0 0 0]] Ví dụ 2: Python
[[0 0 0 0] [0 0 0 0] [0 0 0 0]]0 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]1 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]2 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]3 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]4 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]5 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]6 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]7 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]8 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]9 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]2 [[ 1 4 0] [ 8 0 11] [ 0 0 9]]1 Ví dụ 2: [[0 0 0 0] [0 0 0 0] [0 0 0 0]]0 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]2 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]2 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]3 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]5 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]3 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]5 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]7 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]5 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]7 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]5 [[ 1 4 0] [ 8 0 11] [ 0 0 9]]1__15__15 [[ 1 4 0] [ 8 0 11] [ 0 0 9]]5 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]2 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]2 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]3 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]5 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]7 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]5____41 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]5 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]3 [[0 0 0 0] [0 0 0 0] [0 0 0 0]]5__415 [[ 1 4 0] [ 8 0 11] [ 0 0 9]]2 [[ 1 4 0] [ 8 0 11] [ 0 0 9]]3 Output: [[ 1 4 0] [ 8 0 11] [ 0 0 9]]
|