Coo_matrix 和其他矩阵示例

Question

我知道这可能是一个非常广泛的话题，但我想更多地了解它。我的问题是关于 sklearn 的 coo_matrix。

我从文档中阅读并理解它表示稀疏矩阵的坐标矩阵。这里的“坐标”这个词有什么意义吗？

例如，

coo_matrix ((1, 2)) 会得到我

array([[0, 0]])

那么在这个例子中坐标是什么意思呢？或者我们还有其他例子来区分它与其他矩阵吗？如csr_matrix、bsr_matrix等。

同样，如果我问错了问题或者这个问题可以在任何地方找到，请告诉我或提供链接，如果可能的话。

**对于“让我知道”，只要告诉我“你问的问题太简单了”或“你的问题可以在别处找到，做一些研究”应该很好，然后我会按原样删除这篇文章不相干。

对于“共享链接”，请让我知道我可以在哪里学习并了解更多信息。先感谢您。**

提示：根据一些专家的说法，这篇文章被认为是重复的帖子，我得到了一些建议，如果其他人发布的答案可能与未来的读者相关，我可以将其保留在这里，因此，我将其保留。

Answer 1

看起来 coo 矩阵只需要一个行列表、一个列列表和一个值（数据）列表（每个列表的大小相同）。重要的是它们的大小与您将通过每个元素获得三元组（行索引、列索引、值）相同。这告诉函数在您正在制作的矩阵的（行索引，列索引）处放置一个值。我很确定它被称为坐标格式，因为您传递了具有关联值的坐标（带有行和列）。我们来做一个简单的例子。row  = np.array([1,3])col  = np.array([2,0])data = np.array([5,11])print(coo_matrix((data, (row, col)), shape=(4, 4)).toarray())查看每个列表的第一个元素：row[0] = 1和col[0] = 2，因此我们将查看(1,2)矩阵中的元素（记住在 python 中，索引从 0 开始）。value[0] = 5，因此该函数将 5 作为(1,2)矩阵中的元素放入。查看每个列表的第二个元素：row[1] = 3和col[1] = 0，因此我们将查看(3,0)矩阵中的元素。value[1] = 11，因此该函数将 11 作为(3,0)矩阵中的元素放入。其余的元素（除了那些被索引的(1,2)和(3,0)）然后是 0：输出：[[ 0  0  0  0] [ 0  0  5  0] [ 0  0  0  0] [11  0  0  0]]