本文共 1790 字，大约阅读时间需要 5 分钟。

关键词：元组； 字典； 值

字典：键-值(key-value) 字典是另一种可变容器模型，且可存储任意类型对象。字典的每个键值(key=>value)对用冒号(:)分割，每个对之间用逗号(,)分割，整个字典包括在花括号({})中 ,格式如下所示： For example: d = {key1 : value1, key2 : value2 } 键必须是唯一的，但值则不必。 值可以取任何数据类型，但键必须是不可变的，如字符串，数字或元组。

doc_matrix的策略是采用字典来记录矩阵中不为0的元素。自然，字典的key存的是记录元素的位置信息的元组，value是记录元素的具体值。

稀疏矩阵之python实现

# encoding:utf-8from scipy.sparse import dok_matrixa = dok_matrix((3, 10))'''Dictionary of keys(DOK)DOK represents non-zero values as a dictionary mapping tuples to values.[1] DOK represents non-zero values as a dictionary, mapping tuples to values.DOK 将非零值表示成字典，将元组映射到值。进一步理解：DOK 将元组映射到值，将非零值表示成字典。元组也就是矩阵的(行号，列号),值就是元组在矩阵上对应的某行某列的值。如：a[1][1]=1，元组就是(1,1),对应矩阵a的第2行，第2列，且矩阵在该位置值为1.[2] DOK (represents non-zero values as a dictionary) mapping tuples to values.如果是[2], 则可简化为DOK mapping tuples to values.  # DOK做主语，后面不应该接mapping. 所以我认为是[1]理解比较合理。This format is good for incrementally constructing a sparse array, but poor for iterating over non-zero values in sorted order.这种格式对于增量构建稀疏数组有利，但是在迭代有序的非零值上表现很差。'''a[1, 2] = 2a[2, 2] = 2a[2, 3] = 1a[2, 4] = 3print(a)print('---------------------')print(a[2])print('---------------------')print(a[2].nonzero()[1])print(a[2].nonzero())print(a[2].values())print('====================')'''(1, 2) 2.0(2, 3) 1.0(2, 4) 3.0(2, 2) 2.0'''# example 2import numpy as npS = dok_matrix((5, 5), dtype=np.float32)for i in range(5):    for j in range(5):        S[i, j] = i + j    # Update element        print(S[i,j])

运行结果

D:\Anaconda2\python.exe D:/pycode/NCF_sq/analysis/sample.py

(1, 2) 2.0 (2, 3) 1.0 (2, 4) 3.0

(2, 2) 2.0

(0, 3) 1.0

(0, 2) 2.0

(0, 4) 3.0

[3 2 4]

(array([0, 0, 0]), array([3, 2, 4]))

[1.0, 2.0, 3.0]

0.0

1.0 2.0 3.0 4.0 1.0 2.0 3.0 4.0 5.0 2.0 3.0 4.0 5.0 6.0 3.0 4.0 5.0 6.0 7.0 4.0 5.0 6.0 7.0 8.0

Process finished with exit code 0

博客

转载地址：http://yyrfi.baihongyu.com/