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，但是我想了解更多。 我的问题是关于sklearn的coo_matrix。

我从文档中阅读并理解它代表稀疏矩阵的坐标矩阵。 这里的“坐标”一词有什么含义吗？

举个例子

coo_matrix（（1，2））会让我

array([[0, 0]])

那么在这个例子中坐标甚至意味着什么？ 还是我们有其他示例将其与其他矩阵区分开？ 如csr_matrix，bsr_matrix等。

同样，如果我提出了错误的问题，或者在任何地方都可以找到该问题，请尽可能让我知道或提供链接。

**对于“让我知道”，只要告诉我“您在问一个太简单的问题”或“您的问题可以在其他地方找到，进行一些研究”就可以了，然后我将删除此帖子，因为它是不相干。

对于“共享链接”，请让我知道在哪里可以学习和了解更多信息。 先感谢您。 **

提示：根据某些专家的观点，该帖子被认为是重复的帖子，并且我已经获得一些建议，如果其他人发布的答案可能与将来的读者相关，则可以将其保留在此处，因此，我将其保留。

Answer 1

看起来，对于coo矩阵，您需要的只是一个行列表，一个列列表和一个值（数据）列表（每个列表大小相同）。 重要的是它们的大小必须与您遍历每个元素以获取三元组（行索引，col索引，值）的大小相同。 这告诉函数在您要制作的矩阵的（行索引，列索引）处放置一个值。 我非常确定它称为坐标格式，因为您传递了具有关联值的坐标（带有行和列）。 让我们做一个简单的例子。

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 ，因此我们将看一下矩阵中的(1,2)元素（记住在python中，索引从0开始）。 value[0] = 5 ，因此该函数将5作为矩阵中的(1,2)元素放入。

查看每个列表的第二个元素：

row[1] = 3和col[1] = 0 ，因此我们将看矩阵中的(3,0)元素。 value[1] = 11 ，因此该函数将11放入矩阵中的(3,0)元素。

其余元素（除索引(1,2)和(3,0)的元素外）为0：

输出：

[[ 0  0  0  0]
 [ 0  0  5  0]
 [ 0  0  0  0]
 [11  0  0  0]]