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：類似於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) # save np.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
#load a_ = 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，類似於字典形式獲取
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)
#
參考：