列表列表格式 (LIL)

• 基于行的链表

  • 每行是一个 Python 列表（排序），包含非零元素的列索引

  • 行存储在 NumPy 数组中（dtype=np.object）

  • 非零值数据类似地存储

• 高效地增量构建稀疏数组

• 构造函数接受

  • 密集数组/矩阵

  • 稀疏数组/矩阵

  • 形状元组（创建空数组）

• 灵活的切片，高效地更改稀疏性结构

• 缓慢的算术运算，由于基于行，所以缓慢的列切片

• 使用

  • 当稀疏性模式事先未知或会发生变化时

  • 示例：从文本文件读取稀疏数组

示例

• 创建一个空的 LIL 数组

  >>> mtx = sp.sparse.lil_array((4, 5))
  

• 准备随机数据

  >>> rng = np.random.default_rng(27446968)
  >>> data = np.round(rng.random((2, 3)))
  >>> data
  array([[1.,  0.,  1.],
         [0.,  0.,  1.]])
  

• 使用花式索引分配数据

  >>> mtx[:2, [1, 2, 3]] = data
  >>> mtx
  <List of Lists sparse array of dtype 'float64'
          with 3 stored elements and shape (4, 5)>
  >>> print(mtx)
  <List of Lists sparse array of dtype 'float64'
          with 3 stored elements and shape (4, 5)>
    Coords    Values
    (0, 1)    1.0
    (0, 3)    1.0
    (1, 3)    1.0
  >>> mtx.toarray()
  array([[0., 1., 0., 1., 0.],
         [0., 0., 0., 1., 0.],
         [0., 0., 0., 0., 0.],
         [0., 0., 0., 0., 0.]])
  >>> mtx.toarray()
  array([[0., 1., 0., 1., 0.],
         [0., 0., 0., 1., 0.],
         [0., 0., 0., 0., 0.],
         [0., 0., 0., 0., 0.]])
  

• 更多切片和索引

  >>> mtx = sp.sparse.lil_array([[0, 1, 2, 0], [3, 0, 1, 0], [1, 0, 0, 1]])
  >>> mtx.toarray()
  array([[0, 1, 2, 0],
         [3, 0, 1, 0],
         [1, 0, 0, 1]]...)
  >>> print(mtx)
  <List of Lists sparse array of dtype 'int64'
          with 6 stored elements and shape (3, 4)>
    Coords    Values
    (0, 1)    1
    (0, 2)    2
    (1, 0)    3
    (1, 2)    1
    (2, 0)    1
    (2, 3)    1
  >>> mtx[:2, :]
  <List of Lists sparse array of dtype 'int64'
          with 4 stored elements and shape (2, 4)>
  >>> mtx[:2, :].toarray()
  array([[0, 1, 2, 0],
         [3, 0, 1, 0]]...)
  >>> mtx[1:2, [0,2]].toarray()
  array([[3, 1]]...)
  >>> mtx.toarray()
  array([[0, 1, 2, 0],
         [3, 0, 1, 0],
         [1, 0, 0, 1]]...)