Matrix CSR Scipy

Sei nuovo nel linguaggio di programmazione Python e ti chiedi da dove cominciare? Bene, non esiste un modo giusto o sbagliato per iniziare a imparare il linguaggio di programmazione Python; Puoi iniziare da qualsiasi luogo. Puoi iniziare con semplici funzioni in modo da poter avere un comando di base sulla lingua e passare a metodi e procedure complicati. Tuttavia, qualunque sia il modo in cui scegli, ti imbatterai nella biblioteca Scipy per eseguire funzioni matematiche, scientifiche, di ottimizzazione o altre funzioni pertinenti. Scipy è la libreria più comunemente usata del linguaggio di programmazione Python che offre molte funzioni utili. In questo articolo, miriamo a esplorare la funzione CSR_Matrix della libreria Scipy.

Cos'è una funzione CSR_Matrix Scipy nella programmazione Python?

La libreria Scipy della programmazione Python fornisce una funzione integrata Scr_matrix che sta per la riga spara compressa. CSR_MATRIX significa una matrice sparsa che contiene principalmente zeri. Queste matrici sono utilizzate in operazioni aritmetiche come moltiplicazione, aggiunta, divisione, ecc. Scipy CSR_Matrix è una funzione molto efficiente per eseguire qualsiasi tipo di operazione aritmetica e può anche prendere rapidamente i prodotti Matrix-vector. Tuttavia, è molto lento nell'esecuzione delle operazioni di taglio della colonna e diventa anche molto costoso nel cambiare la struttura di scarsità.

Sintassi della funzione Scipy CSR_Matrix:

La sintassi della funzione Scipy CSR_MATRIX è molto semplice e facile da imparare. Ricorda che non ci vogliono così tanti parametri come input. Ci vuole solo un parametro che è un array come parametro di input e restituisce semplicemente la sua matrice sparsa. Fare riferimento alla seguente sintassi:

Qui, Scipy è il nome della biblioteca che offre il pacchetto sparso. I pacchetti sparsi contengono la funzione CSR_Matrix insieme agli altri metodi utili. L'array è l'array di dati che deve essere passato alla funzione csr_matrix in modo che la sua csr_matrix possa essere calcolata. Ora che abbiamo imparato la sintassi della funzione CSR_Matrix, siamo pronti a scrivere un codice di base.

Esempio 1:

Questo esempio ti aiuta a capire come è possibile incorporare facilmente la funzione CSR_Matrix nei tuoi programmi Python.

Importa Numpy come NP
da Scipy.Importazione sparsa csr_matrix
a = np.Array ([0, 0, 1, 0, 5, 0, 2, 0, 2])
stampa ("L'array contiene:", a)
csr = csr_matrix (a)
print ("\ nthe CSR dell'array di dare è: \ n \ n", CSR)

Nella prima riga del programma, la libreria Numpy viene importata come NP. Dal momento che dobbiamo creare un array nel programma, abbiamo bisogno della biblioteca Numpy per questo. Successivamente, chiamiamo la libreria Scipy e inseriamo i pacchetti sparsi nel programma in modo da poter utilizzare la funzione CSR_MATRIX. Il "da Scipy.L'istruzione CSR_MATRIX ”SPARSE viene utilizzata per importare la libreria SCIPY, il pacchetto sparso e la funzione CSR_MATRIX nel programma. Un array "A" è inizializzato con 9 elementi di dati.

Utilizzando l'istruzione di stampa, i dati nell'array vengono visualizzati sul terminale. Successivamente, l'array viene passato alla funzione CSR_MATRIX () in modo che la matrice CSR dell'array data possa essere creata. Ancora una volta, l'istruzione di stampa viene utilizzata per ottenere la matrice CSR calcolata dell'array sul terminale. Ora vediamo il risultato del programma di esempio nel seguente output:

Se guardi l'array di input, l'elemento nella seconda posizione nell'array è 1, il quarto elemento è 5, il sesto elemento è 2 e l'ottava elemento è 2. Quindi, la funzione CSR_Matrix restituisce la stessa matrice CSR e i suoi valori corrispondenti.

Esempio 2:

In precedenza, abbiamo usato un semplice array 1-D per comprendere il funzionamento della funzione CSR_Matrix. Qui, forniamo un array multidimensionale per scoprire come la funzione CSR_Matrix cambia il suo funzionamento. Fare riferimento al seguente codice di esempio:

Importa Numpy come NP
da Scipy.Importazione sparsa csr_matrix
a = np.array ([[0, 0, 1], [0, 5, 0], [2, 0, 2]])
print ("L'array contiene: \ n", a)
csr = csr_matrix (a)
print ("\ nthe CSR dell'array di dare è: \ n \ n", CSR)

Come puoi vedere, proprio come nell'esempio precedente, la libreria Numpy viene importata nel programma come NP e la libreria Scipy viene importata per utilizzare il pacchetto sparsi e la sua funzione CSR_MATRIX. La prima istruzione di stampa mostra i dati dell'array e la seconda istruzione di stampa mostra la matrice CSR creata dell'array. L'array viene passato alla funzione CSR_Matrix per creare la sua matrice CSR. Fare riferimento alla matrice risultante nella seguente uscita:

Come puoi vedere, non vi è alcun cambiamento nell'output. È proprio lo stesso del precedente.

Esempio 3:

Ora, abbiamo appreso che la funzione CSR_MATRIX funziona allo stesso modo con ogni tipo di array di input, sia monodimensionale che multidimensionale. Proviamo a giocare con CSR_Matrix e applicare alcune altre funzioni ad esso. Qui, contiamo il numero di elementi diversi da zero nell'array con la funzione "Count_nonzer ()". Fare riferimento al seguente codice di riferimento:

Importa Numpy come NP
da Scipy.Importazione sparsa csr_matrix
a = np.array ([[0, 0, 1], [0, 5, 0], [2, 0, 2]])
print ("L'array contiene: \ n", a)
csr = csr_matrix (a).count_nonzero ()
Stampa ("\ ntotal Non zero elementi sono:", CSR)

Se guardi attentamente il codice, il programma è lo stesso che abbiamo usato negli esempi precedenti. L'unica aggiunta è la funzione Count_nonzero (). La funzione Count_Nonzero () conta il numero di elementi nell'array che non sono zero e restituisce il conteggio. Vediamo il conteggio degli articoli diversi da zero che sono indicati:

Esempio 4:

Applichiamo un'altra funzione con CSR_Matrix su un array. Gli zeri possono essere eliminati dall'array e solo gli articoli diversi da zero possono essere restituiti dalla matrice CSR. Questo può essere facilmente fatto usando la funzione eliminate_zeros () con la funzione csr_matrix. Usiamo la funzione Eliminate_zeros () nel seguente programma di esempio per aiutarti a capire come puoi fare lo stesso nel programma personalizzato.

Importa Numpy come NP
da Scipy.Importazione sparsa csr_matrix
a = np.array ([[5, 0, 1], [0, 0, 0], [2, 0, 0]])
print ("L'array contiene: \ n", a)
csr = csr_matrix (a)
CSR.eliminate_zeros ()
print ("\ nthe CSR dell'array di dare è: \ n \ n", CSR)

Guarda attentamente il codice e osserva che abbiamo passato per la prima volta l'array fornito alla funzione CSR_Matrix e memorizzato il risultato nella variabile "CSR". Quindi, abbiamo applicato la funzione Eliminate_zeros () sulla variabile con il "CSR.istruzione eliminate_zeros () ". Questo elimina tutti gli zeri dall'array e restituisce solo gli articoli diversi da zero.

Conclusione

Un rapido riepilogo di questo articolo è che abbiamo appreso la necessità di base per la biblioteca di Scipy in un programma Python. Abbiamo esplorato la funzione CSR_Matrix della libreria Scipy e del pacchetto sparse. Abbiamo anche dimostrato alcuni esempi utili e semplici per capire come utilizzare la funzione CSR_Matrix nei nostri soliti programmi.