cupyx.scipy.sparse.coo_matrix

class cupyx.scipy.sparse.coo_matrix(arg1, shape=None, dtype=None, copy=False)

COOrdinate 格式稀疏矩阵。

这可以通过几种方式实例化。

coo_matrix(D)

D 是一个秩为2的 cupy.ndarray。

coo_matrix(S)

S 是另一个稀疏矩阵。它等同于 S.tocoo()。

coo_matrix((M, N), [dtype])

它构造一个形状为 (M, N) 的空矩阵。默认的 dtype 是 float64。

coo_matrix((data, (row, col)))

所有的 data、row 和 col 都是一维的 cupy.ndarray。

参数:

• arg1 – 初始化器的参数。

• shape (tuple) – 矩阵的形状。其长度必须为二。

• dtype – 数据类型。它必须是 numpy.dtype 的参数。

• copy (bool) – 如果 True ，则始终使用给定数据的副本。

参见

scipy.sparse.coo_matrix

方法

__len__()

__iter__()

arcsin()

逐元素反正弦。

arcsinh()

逐元素反正弦。

arctan()

逐元素反正切。

arctanh()

逐元素计算反双曲正切。

asformat(format)

以给定的稀疏格式返回此矩阵。

参数:

format (str or None) – 你需要的形式。

asfptype()

将矩阵向上转换为浮点格式。

当矩阵具有浮点类型时，该方法返回自身。否则，它会创建一个具有浮点类型和相同格式的副本。

返回:

一个浮点类型的矩阵。

返回类型:

cupyx.scipy.sparse.spmatrix

astype(t)

将数组转换为给定的数据类型。

参数:

dtype – 类型说明符。

返回:

具有给定类型的数组的副本。

ceil()

逐元素向上取整。

conj(copy=True)

逐元素复共轭。

如果矩阵的数据类型是非复数且 copy 为 False，则此方法不执行任何操作，数据也不会被复制。

参数:

copy (bool) – 如果为真，结果保证不与自身共享数据。

返回:

逐元素的复共轭。

返回类型:

cupyx.scipy.sparse.spmatrix

conjugate(copy=True)

逐元素复共轭。

如果矩阵的数据类型是非复数且 copy 为 False，则此方法不执行任何操作，数据也不会被复制。

参数:

copy (bool) – 如果为真，结果保证不与自身共享数据。

返回:

逐元素的复共轭。

返回类型:

cupyx.scipy.sparse.spmatrix

copy()

返回此矩阵的副本。

返回值和当前矩阵之间不会共享数据/索引。

count_nonzero()

返回非零条目的数量。

备注

此方法计算实际的非零条目数量，不包括显式的零条目。相反，nnz 返回包括显式零条目在内的条目数量。

返回:

非零条目的数量。

deg2rad()

逐元素的 deg2rad。

diagonal(k=0)

返回矩阵的第 k 条对角线。

参数:

• k (int, optional) – 获取哪条对角线，对应于元素

• a[i – 0（主对角线）。

• Default (i+k].) – 0（主对角线）。

返回:

第 k 条对角线。

返回类型:

cupy.ndarray

dot(other)

普通点积

eliminate_zeros()

原地移除零条目。

expm1()

逐元素计算 expm1。

floor()

逐元素取底。

get(stream=None)

返回主机内存中数组的副本。

参数:

stream (cupy.cuda.Stream) – CUDA 流对象。如果提供了它，复制操作将异步进行。否则，复制操作是同步的。

返回:

主机内存中的数组副本。

返回类型:

scipy.sparse.coo_matrix

getH()

get_shape()

返回矩阵的形状。

返回:

矩阵的形状。

返回类型:

tuple

getformat()

getmaxprint()

getnnz(axis=None)

返回存储值的数量，包括显式零。

log1p()

逐元素计算 log1p。

maximum(other)

mean(axis=None, dtype=None, out=None)

计算指定轴上的算术平均值。

参数:

axis (int or None) – 计算总和所沿的轴。如果为 None，则计算所有元素的平均值。从 {None, 0, 1, -2, -1} 中选择。

返回:

求和数组。

返回类型:

cupy.ndarray

参见

scipy.sparse.spmatrix.mean()

minimum(other)

multiply(other)

逐点乘以另一个矩阵

power(n, dtype=None)

逐元素幂函数。

参数:

• n – 指数。

• dtype – 类型说明符。

rad2deg()

逐元素的 rad2deg。

reshape(*shape, order='C')

在不改变其数据的情况下，给稀疏矩阵赋予一个新的形状。

参数:

• shape (tuple) – 新形状应与原始形状兼容。

• order – {‘C’, ‘F’} (可选) 使用此索引顺序读取元素。’C’ 表示使用类似 C 的索引顺序读取和写入元素。’F’ 表示使用类似 Fortran 的索引顺序读取和写入元素。默认值：C。

返回:

稀疏矩阵

返回类型:

cupyx.scipy.sparse.coo_matrix

rint()

逐元素取整。

set_shape(shape)

setdiag(values, k=0)

设置数组的对角线或非对角线元素。

参数:

• values (ndarray) – 对角元素的新值。值可以是任意长度。如果对角线比值长，那么剩余的对角线元素将不会被设置。如果值比对角线长，那么剩余的值将被忽略。如果给定的是一个标量值，所有的对角线元素都会被设置为该值。

• k (int, optional) – 设置哪个非对角线，对应于元素 a[i,i+k]。默认值：0（主对角线）。

sign()

逐元素符号。

sin()

逐元素正弦。

sinh()

逐元素的双曲正弦函数。

sqrt()

逐元素平方根。

sum(axis=None, dtype=None, out=None)

对矩阵元素沿指定轴求和。

参数:

• axis (int or None) – 计算总和所沿的轴。如果为 None，则计算所有元素的总和。从 {None, 0, 1, -2, -1} 中选择。

• dtype – 返回矩阵的类型。如果未指定，则使用数组的类型。

• out (cupy.ndarray) – 输出矩阵。

返回:

求和数组。

返回类型:

cupy.ndarray

参见

scipy.sparse.spmatrix.sum()

sum_duplicates()

通过将它们相加来消除重复的矩阵条目。

警告

在排序索引时，CuPy 遵循 cuSPARSE 的惯例，这与 SciPy 的惯例不同。因此，输出索引的顺序可能会有所不同：

>>> #     1 0 0
>>> # A = 1 1 0
>>> #     1 1 1
>>> data = cupy.array([1, 1, 1, 1, 1, 1], 'f')
>>> row = cupy.array([0, 1, 1, 2, 2, 2], 'i')
>>> col = cupy.array([0, 0, 1, 0, 1, 2], 'i')
>>> A = cupyx.scipy.sparse.coo_matrix((data, (row, col)),
...                                   shape=(3, 3))
>>> a = A.get()
>>> A.sum_duplicates()
>>> a.sum_duplicates()  # a is scipy.sparse.coo_matrix
>>> A.row
array([0, 1, 1, 2, 2, 2], dtype=int32)
>>> a.row
array([0, 1, 2, 1, 2, 2], dtype=int32)
>>> A.col
array([0, 0, 1, 0, 1, 2], dtype=int32)
>>> a.col
array([0, 0, 0, 1, 1, 2], dtype=int32)

警告

调用此函数可能会同步设备。

参见

scipy.sparse.coo_matrix.sum_duplicates()

tan()

逐元素的 tan 函数。

tanh()

逐元素 tanh。

toarray(order=None, out=None)

返回一个表示相同值的密集矩阵。

参数:

• order (str) – 不支持。

• out – 不支持。

返回:

表示相同值的密集数组。

返回类型:

cupy.ndarray

参见

scipy.sparse.coo_matrix.toarray()

tobsr(blocksize=None, copy=False)

将此矩阵转换为块稀疏行格式。

tocoo(copy=False)

将矩阵转换为 COOrdinate 格式。

参数:

copy (bool) – 如果 False ，它会尽可能多地共享数据数组。

返回:

转换后的矩阵。

返回类型:

cupyx.scipy.sparse.coo_matrix

tocsc(copy=False)

将矩阵转换为压缩稀疏列格式。

参数:

copy (bool) – 如果 False ，它会尽可能多地共享数据数组。实际上，此选项被忽略，因为在 coo 到 csc 转换中，矩阵中的所有数组都不能共享。

返回:

转换后的矩阵。

返回类型:

cupyx.scipy.sparse.csc_matrix

tocsr(copy=False)

将矩阵转换为压缩稀疏行格式。

参数:

copy (bool) – 如果 False ，它会尽可能多地共享数据数组。实际上，此选项被忽略，因为在 coo 到 csr 转换中，矩阵中的所有数组都不能共享。

返回:

转换后的矩阵。

返回类型:

cupyx.scipy.sparse.csr_matrix

todense(order=None, out=None)

返回此矩阵的密集矩阵表示。

todia(copy=False)

将此矩阵转换为稀疏对角格式。

todok(copy=False)

将此矩阵转换为字典键格式。

tolil(copy=False)

将此矩阵转换为链表格式。

transpose(axes=None, copy=False)

返回一个转置矩阵。

参数:

• axes – 此选项不受支持。

• copy (bool) – 如果 True ，返回的矩阵不共享任何数据。否则，它会尽可能多地共享数据数组。

返回:

转置矩阵。

返回类型:

cupyx.scipy.sparse.spmatrix

trunc()

逐元素截断。

__eq__(other)

返回 self==value。

__ne__(other)

返回 self!=value。

__lt__(other)

返回 self<value。

__le__(other)

返回 self<=value。

__gt__(other)

返回 self>value。

__ge__(other)

返回 self>=value。

__nonzero__()

__bool__()

属性

A

该矩阵的密集 ndarray 表示。

此属性等效于 toarray() 方法。

H

T

device

此数组所在的 CUDA 设备。

dtype

矩阵的数据类型。

format = 'coo'

ndim

nnz

shape

size