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引數
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：類似於matlab中的.mat格式，python也可以儲存引數資料，除了儲存成csv，json，excel等之外，個人覺得matlab的.mat格式真的很強，啥都可以直接儲存~~

import numpy as np

# numpy.save(arg_1,arg_2)，arg_1是檔名，arg_2是要儲存的陣列

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

5. load：載入引數資料

#load
a_ = np.load('test_save_1.npy')
print(a_)

dt = np.load('test_save_2.npz') #npz資料載入後是一個字典格式資料
print(dt)
print(dt['aa'])
print(dt['d']) #獲取其中的引數值，類似於字典形式獲取

6. 獲取npz資料的引數名稱

#獲取引數名稱
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，也希望大家多多支援我們。