Python程序以确定给定矩阵是否为稀疏矩阵
矩阵是由一组按行和列排列的数字构成的矩形阵列。其中,m和n为其维数,“m X n”即为其名称。
如果矩阵中非零元素的数量远小于零元素的数量,则称其为 稀疏矩阵 。
[0, 0, 3, 0, 0]
[0, 1, 0, 0, 6]
[1, 0, 0, 9, 0]
[0, 0, 2, 0, 0]
上述矩阵为4X5矩阵,其中大多数数字为零。仅有几个非零元素,因此我们可以称之为稀疏矩阵。
为了判断给定矩阵是否为稀疏矩阵,我们需要比较所有元素和零元素的数量。如果零元素的数量超过矩阵元素数量的一半,则可以称之为稀疏矩阵。
(m * n)/2
让我们讨论一下不同的方法来判断给定矩阵是否为稀疏矩阵。
使用for循环
使用for循环,我们可以轻松遍历Python中的数组元素。
示例
我们将首先遍历矩阵行并计算每行中存在的零元素数。然后将计数值存储到计数器变量中。
之后,我们将比较计数器变量中的值与矩阵元素数量的一半,以判断给定矩阵是否为稀疏矩阵。
def isSparse(array, m, n):
counter = 0
# Count number of zeros
for i in range(0, m):
for j in range(0, n):
if (array[i][j] == 0):
counter = counter + 1
return (counter > ((m * n) // 2))
arr = [[0, 0, 3],
[0, 0, 0],
[1, 8, 0]]
print("原始矩阵: ")
for row in arr:
print(row)
print()
# check if the given matrix is sparse matrix or not
if (isSparse(arr, len(arr), len(arr[0]))):
print("给定的矩阵是稀疏矩阵")
else:
print("给定的矩阵不是稀疏矩阵")
输出
原始矩阵:
[0, 0, 3]
[0, 0, 0]
[1, 8, 0]
给定的矩阵是稀疏矩阵
上述矩阵为稀疏矩阵。
示例
在此示例中,我们将使用list.count()方法计算循环中每一行中的零元素计数,并将计数存储在计数器变量中。
def isSparse(array, m, n):
counter = 0
# Count number of zeros
for i in array:
counter += i.count(0)
return (counter > ((m * n) // 2))
arr = [[0, 0, 3],
[0, 0, 0],
[1, 8, 0]]
print("原始矩阵: ")
for row in arr:
print(row)
print()
# check if the given matrix is sparse matrix or not
if (isSparse(arr, len(arr), len(arr[0]))):
print("给定的矩阵是稀疏矩阵")
else:
print("给定的矩阵不是稀疏矩阵")
输出
原始矩阵:
[0, 0, 3]
[0, 0, 0]
[1, 8, 0]
给定的矩阵是稀疏矩阵
使用SciPy库
通过在Python中使用SciPy库,我们可以创建稀疏矩阵。在下面的示例中,我们使用csr_matrix()函数以压缩的稀疏行格式创建了一个稀疏矩阵。
issparse()函数用于检查给定对象是否为稀疏矩阵。
示例
首先,我们将使用嵌套列表创建一个数组,然后使用csr_matrix()方法将其转换为稀疏矩阵。
from scipy.sparse import issparse, csr_matrix
arr = [[0, 0, 3],
[0, 0, 0],
[1, 8, 0]]
matrix = csr_matrix(arr)
print("原始矩阵: ")
print(matrix)
print()
# 检查给定矩阵是否为稀疏矩阵
if (issparse(matrix)):
print("给定矩阵是稀疏矩阵")
else:
print("给定矩阵不是稀疏矩阵")
输出
原始矩阵:
(0, 2) 3
(2, 0) 1
(2, 1) 8
给定矩阵是稀疏矩阵
csr_matrix() 方法只在存储数据点(非零元素)时占用内存。
注意 − issparse() 方法与输入矩阵有多少元素无关。它只是检查一个给定对象是否是 spmatrix 的实例。