scipy.sparse.hstack vstack

2024-04-02 13:18
文章标签 scipy sparse hstack vstack

本文主要是介绍scipy.sparse.hstack vstack,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

首先格式是符合 coo_matrix 才能使用sparse进行拼接。

hstack :
将矩阵按照列进行拼接

from scipy.sparse import coo_matrix, hstack,vstack
A = coo_matrix([[1, 2], [3, 4]])
print(A)
B = coo_matrix([[5,7], [6,8]])
print(hstack([A,B]))
print(hstack([A,B]).toarray())

输出:

 (0, 0) 1(0, 1)    2(1, 0)    3(1, 1)    4(0, 0)    1(0, 1)    2(1, 0)    3(1, 1)    4(0, 2)    5(0, 3)    7(1, 2)    6(1, 3)    8
[[1 2 5 7][3 4 6 8]]

vstack
将矩阵按照行进行拼接,对应的列数必须相等

from scipy.sparse import coo_matrix, hstack,vstack
A = coo_matrix([[1, 2], [2, 4]])
print(A)
B = coo_matrix([[5,7], [6,8]])
print(vstack([A,B]))
print(vstack([A,B]).toarray())

输出:

(0, 0)  1(0, 1)    2(1, 0)    2(1, 1)    4(0, 0)    1(0, 1)    2(1, 0)    2(1, 1)    4(2, 0)    5(2, 1)    7(3, 0)    6(3, 1)    8
[[1 2][2 4][5 7][6 8]]

这篇关于scipy.sparse.hstack vstack的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/870081

相关文章

【稀疏矩阵】使用torch.sparse模块

文章目录 稀疏矩阵的格式coocsrcsc Construction of Sparse COO tensorsConstruction of CSR tensorsLinear Algebra operations(稀疏与稠密之间混合运算)Tensor methods and sparse(与稀疏有关的tensor成员函数)coo张量可用的tensor成员函数(经实测,csr也有一些可以用

python scipy库

目录 简介导入matlab的mat文件取众数 简介 scipy是一个用于python数值计算的库。 具体参考:http://scipy.github.io/devdocs/index.html 导入matlab的mat文件 import scipy.io as sio; data = sio.loadmat(filename); //matlab文

BM3D--Image Denoising by Sparse 3-D Transform-Domain Collaborative Filtering

系列文章目录 文章目录 系列文章目录前言稀疏三维变换域协同滤波图像去噪摘要1 引言2 分组和协作过滤A.分组B.按匹配分组C.协同过滤D.基于变换域收缩的协同过滤 3 算法结论 前言 论文地址 如果下载不了可以从 https://download.csdn.net/download/m0_70420861/89708940 获取 参考博客 :图像去噪算法:NL-Me

numpy、scipy、pandas、matplotlib了解

1.numpy——基础,以矩阵为基础的数学计算模块,纯数学 存储和处理大型矩阵。 这个是很基础的扩展,其余的扩展都是以此为基础。 快速学习入口 https://docs.scipy.org/doc/numpy-dev/user/quickstart.html 2.pandas——数据分析 基于NumPy 的一种工具,为了解决数据分析任务而创建的。 Pandas 纳入了大量库和一些标准的

代码报错: cannot import name ‘triu‘ from ‘scipy.linalg‘“ when importing Gensim

参考:https://stackoverflow.com/questions/78279136/importerror-cannot-import-name-triu-from-scipy-linalg-when-importing-gens 将使用的scipy降级即可: pip install scipy==1.10.1 或者 pip install scipy==1.12 使

NumPy(六):数组堆叠:【vstack:垂直(按列顺序)堆叠数组】【hstack:水平(按列顺序)堆叠数组】【stack:axis=0/1/2】

首先生成一些数, import numpy as npa = np.arange(1, 7).reshape((2, 3))b = np.arange(7, 13).reshape((2, 3))c = np.arange(13, 19).reshape((2, 3))print('a = \n', a)print('b = \n', b)print('c = \n', c) 即下

论文笔记:Estimating future human trajectories from sparse time series data

sigspatial 2023 humob竞赛paper hiimryo816/humob2023-MOBB (github.com) 1 数据集分析 这里只分享了HuMob数据集1的内容 1.1 假日分析 对HuMob数据集#1地理数据的方差分析显示了非工作日的模式 在某些天的y坐标方差中有显著的峰值,这是非工作日的象征【x坐标有相似的模式】 ——>识别了任务1数据集中最有可能是

猫头虎 分享:Python库 SciPy 的简介、安装、用法详解入门教程

🐯 猫头虎 分享:Python库 SciPy 的简介、安装、用法详解入门教程 今天猫头虎带您深入探索SciPy,一个在数据科学和人工智能领域必不可少的Python库! 📝 摘要 在数据科学和人工智能领域,SciPy 是一个关键的Python库,它为科学计算提供了许多有用的工具。本文猫头虎将带您详细了解SciPy的基本概念、安装方法以及在实际项目中的应用。这篇文章不仅适合新手入门,还为

Sparse Learning

Sparse Learning  本文的内容主要来自余凯老师在CVPR2012上给的Tutorial。前面在总结ScSPM和LLC的时候,引用了很多Tutorial上的图片。其实这个Tutorial感觉写的挺好的,所以这次把它大致用自己的语言描述一下。不过稀疏编码是前两年比较火的东西,现在火的是deep lear

【CVPR‘24】深度补全:Flexible Depth Completion for Sparse and Varying Point Densities

【CVPR'24】深度补全:Flexible Depth Completion for Sparse and Varying Point Densities 摘要1. 引言3. 方法3.1 基础深度估计架构3.2 基于亲和度的偏移校正3.3 校正置信度预测3.4 联合深度估计与完成3.5 损失 4. 实验4.1 数据集和评估指标4.2 实验概述4.3 消融研究 参考文献 摘要