scipy.sparse.

load_npz#

scipy.sparse.load_npz(file)[Quelle]#

Lädt ein Sparse-Array/eine Sparse-Matrix aus einer Datei im .npz-Format.

Parameter:

filestr oder dateiähnliches Objekt: Entweder der Dateiname (Zeichenkette) oder eine geöffnete Datei (dateiähnliches Objekt), aus der die Daten geladen werden sollen.

Rückgabe:

resultcsc_array, csr_array, bsr_array, dia_array oder coo_array: Ein Sparse-Array/eine Sparse-Matrix, das/die die geladenen Daten enthält.

Löst aus:

OSError: Wenn die Eingabedatei nicht existiert oder nicht gelesen werden kann.

Siehe auch

scipy.sparse.save_npz: Speichert ein Sparse-Array/eine Sparse-Matrix in einer Datei im .npz-Format.
numpy.load: Lädt mehrere Arrays aus einem .npz-Archiv.

Beispiele

Speichern und erneutes Laden eines Sparse-Arrays/einer Sparse-Matrix von der Festplatte

>>> import numpy as np
>>> import scipy as sp
>>> sparse_array = sp.sparse.csc_array([[0, 0, 3], [4, 0, 0]])
>>> sparse_array
<Compressed Sparse Column sparse array of dtype 'int64'
    with 2 stored elements and shape (2, 3)>
>>> sparse_array.toarray()
array([[0, 0, 3],
       [4, 0, 0]], dtype=int64)

>>> sp.sparse.save_npz('/tmp/sparse_array.npz', sparse_array)
>>> sparse_array = sp.sparse.load_npz('/tmp/sparse_array.npz')

>>> sparse_array
<Compressed Sparse Column sparse array of dtype 'int64'
    with 2 stored elements and shape (2, 3)>
>>> sparse_array.toarray()
array([[0, 0, 3],
       [4, 0, 0]], dtype=int64)

In diesem Beispiel zwingen wir das Ergebnis, ein csr_array von einem csr_matrix zu sein >>> sparse_matrix = sp.sparse.csc_matrix([[0, 0, 3], [4, 0, 0]]) >>> sp.sparse.save_npz(‘/tmp/sparse_matrix.npz’, sparse_matrix) >>> tmp = sp.sparse.load_npz(‘/tmp/sparse_matrix.npz’) >>> sparse_array = sp.sparse.csr_array(tmp)