2.5.2.2.2. リストのリスト格納方式 (LIL)

• 行ベースの連結リスト

  • 各行は (ソートされた) Python のリストで、非ゼロの要素の列のインデックスを含みます

  • 行は NumPy 配列で格納されます (dtype=np.object)

  • 非ゼロの値が同様に格納されます

• 疎行列を効率的にインクリメンタルに構築できます

• コンストラクタは以下を受け付けます:

  • 密行列(配列)

  • 疎行列

  • シェイプタプル (空の行列を作ります)

• 柔軟なスライスと疎行列の構造の効率的な変更

• 算術が低速で、行ベースなため列スライスが低速です

• 利用:

  • 疎パターンが事前にわかっていない、または変更される場合

  • 例: 疎行列をテキストファイルから読み込む

2.5.2.2.2.1. 例

• 空の LIL 行列を作る:

  >>> mtx = sparse.lil_matrix((4, 5))
  

• ランダムなデータを準備:

  >>> from numpy.random import rand
  >>> data = np.round(rand(2, 3))
  >>> data
  array([[ 1.,  1.,  1.],
         [ 1.,  0.,  1.]])
  

• ファンシーインデクスを利用した値の代入:

  >>> mtx[:2, [1, 2, 3]] = data
  >>> mtx  
  <4x5 sparse matrix of type '<... 'numpy.float64'>'
          with 5 stored elements in LInked List format>
  >>> print(mtx)   
    (0, 1)  1.0
    (0, 2)  1.0
    (0, 3)  1.0
    (1, 1)  1.0
    (1, 3)  1.0
  >>> mtx.todense()
  matrix([[ 0.,  1.,  1.,  1.,  0.],
          [ 0.,  1.,  0.,  1.,  0.],
          [ 0.,  0.,  0.,  0.,  0.],
          [ 0.,  0.,  0.,  0.,  0.]])
  >>> mtx.toarray()
  array([[ 0.,  1.,  1.,  1.,  0.],
         [ 0.,  1.,  0.,  1.,  0.],
         [ 0.,  0.,  0.,  0.,  0.],
         [ 0.,  0.,  0.,  0.,  0.]])
  

• スライスとインデクスについてもう少し:

  >>> mtx = sparse.lil_matrix([[0, 1, 2, 0], [3, 0, 1, 0], [1, 0, 0, 1]])
  >>> mtx.todense()    
  matrix([[0, 1, 2, 0],
          [3, 0, 1, 0],
          [1, 0, 0, 1]]...)
  >>> print(mtx) 
    (0, 1)    1
    (0, 2)    2
    (1, 0)    3
    (1, 2)    1
    (2, 0)    1
    (2, 3)    1
  >>> mtx[:2, :]  
  <2x4 sparse matrix of type '<... 'numpy.int64'>'
    with 4 stored elements in LInked List format>
  >>> mtx[:2, :].todense()    
  matrix([[0, 1, 2, 0],
          [3, 0, 1, 0]]...)
  >>> mtx[1:2, [0,2]].todense()    
  matrix([[3, 1]]...)
  >>> mtx.todense()    
  matrix([[0, 1, 2, 0],
          [3, 0, 1, 0],
          [1, 0, 0, 1]]...)