多种格式¶

导入¶

让我们设置后端并导入 sparse。

输入 [1]

import sparse

import numpy as np

import sparse import numpy as np

执行操作¶

让我们创建两个数组。

输入 [2]

rng = np.random.default_rng(42)  # Seed for reproducibility
a = sparse.random((3, 3), density=1 / 6, random_state=rng)
b = sparse.random((3, 3), density=1 / 6, random_state=rng)

rng = np.random.default_rng(42) # Seed for reproducibility a = sparse.random((3, 3), density=1 / 6, random_state=rng) b = sparse.random((3, 3), density=1 / 6, random_state=rng)

现在让我们对它们进行矩阵乘法。

输入 [3]

c = a @ b

c = a @ b

并将结果视为（密集）NumPy 数组。

输入 [4]

c_dense = c.todense()

c_dense = c.todense()

现在，让我们对其他格式执行相同的操作，并比较结果。

输入 [5]

for format in ["coo", "csr", "csc"]:
    af = sparse.asarray(a, format=format)
    bf = sparse.asarray(b, format=format)
    cf = af @ bf
    np.testing.assert_array_equal(c_dense, cf.todense())

for format in ["coo", "csr", "csc"]: af = sparse.asarray(a, format=format) bf = sparse.asarray(b, format=format) cf = af @ bf np.testing.assert_array_equal(c_dense, cf.todense())