SciPy 1.19现在具有scipy.sparse.save_npz
和scipy.sparse.load_npz
。
from scipy import sparse
sparse.save_npz("yourmatrix.npz", your_matrix)
your_matrix_back = sparse.load_npz("yourmatrix.npz")
对于这两个函数,file
参数也可以是类似于文件的对象(即的结果open
),而不是文件名。
从Scipy用户组得到了答案:
一个csr_matrix有3个数据属性此事:.data
,.indices
,和.indptr
。所有都是简单的ndarray,因此numpy.save
可以在它们上使用。用numpy.save
或保存三个数组,用numpy.savez
加载它们numpy.load
,然后用以下方法重新创建稀疏矩阵对象:
new_csr = csr_matrix((data, indices, indptr), shape=(M, N))
因此,例如:
def save_sparse_csr(filename, array):
np.savez(filename, data=array.data, indices=array.indices,
indptr=array.indptr, shape=array.shape)
def load_sparse_csr(filename):
loader = np.load(filename)
return csr_matrix((loader['data'], loader['indices'], loader['indptr']),
shape=loader['shape'])