1. 稀疏矩阵的建立：coo_matrix()

from scipy.sparse import coo_matrix
# 建立稀疏矩阵
data = [1,2,3,4]
row = [3,6,8,2]
col = [0,7,4,9]
c = coo_matrix((data,(row,col)),shape=(10,10)) #构建10*10的稀疏矩阵，其中不为0的值和位置在第一个参数
print(c)

2. 稀疏矩阵转化为密集矩阵：todense()

d = c.todense()
print(d)

3. 将一个0值很多的矩阵转化为稀疏矩阵

e = coo_matrix(d) #将一个0值很多的矩阵转为稀疏矩阵
print(e)

4. save：类似于matlab中的.mat格式，python也可以保存参数数据，除了保存成csv，json，excel等之外，个人觉得matlab的.mat格式真的很强，啥都可以直接保存~~

import numpy as np

# numpy.save(arg_1,arg_2)，arg_1是文件名，arg_2是要保存的数组```


```python  
aa = np.array(d)
print(aa)
# save
np.save('test_save_1.npy', aa) #保存一个数组
np.savez('test_save_2', aa=aa, d=d) #保存多个数组，其中稀疏矩阵可以直接保存

5. load：加载参数数据

#load
a_ = np.load('test_save_1.npy')
print(a_)

dt = np.load('test_save_2.npz') #npz数据加载后是一个字典格式数据
print(dt)
print(dt['aa'])
print(dt['d']) #获取其中的参数值，类似于字典形式获取

6. 获取npz数据的参数名称

#获取参数名称
p_name =list(dt.keys())
print(p_name)

#获取值
p_value =list(dt.values())
print(p_value)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持python博客。