公式文書で推奨直接見て:https://docs.scipy.org/doc/scipy/reference/generated/scipy.sparse.coo_matrix.html#scipy.sparse.coo_matrix
彼らは、単純なバージョンを知るための1分、例の最初の直接見て:
1 >>> #マトリックスを構築IJVフォーマットを使用して 2 >>>行= np.array([0、3、1 、0]) 3 >>> COL = np.array([0、3、1、2 ] ) 4件の >>>データ= np.array([4、5、7、9 ]) 5 >>> coo_matrix((データ、(行、列))、形状=(4,4 ))。てToArray() 6アレイ([[4,0、9 、0]、 7 [0、7 、0、0]、 8 [0、0、0、0]、 9 [0、0、0、5])
頻繁に使用おそらく、このです:coo_matrix((データ、(I、J))、[形状=(M、N)])
- 3つのパラメータがあります。
データ[:]例えば上記4,5,7,9、元のデータ行列です。
I [:]図柄列を示している。エレメント上記例えば0番目の行が0であり、それはデータライン0の最初のデータことを意味します。
jは[:]シンボル列が示されている;例えば、0番目の要素のCOLが0以上である、最初のデータは、列0のデータを表します。
統合された上記3つの点、4のデータは、それが元の行列は、最初のデータ要素4、つまり最初の行0、列0で、A [I [K]、有している J [K] = データを[K] 。そのため、第二のデータ5、行3、列3のデータ。
最後に、形状パラメータは、データのランクであり、残りは0に相補的な形状の形態である上記の説明に加えて、元の行列のcoo_matrix形状に指示があります。