Main Content

本页的翻译已过时。点击此处可查看最新英文版本。

sparse

创建稀疏矩阵

全页折叠

语法

S = sparse(A)
S = sparse(m,n)
S = sparse(i,j,v)
S = sparse(i,j,v,m,n)
S = sparse(i,j,v,m,n,nz)

说明

示例

S = sparse(A) 通过挤出任何零元素将满矩阵转换为稀疏格式。如果矩阵包含许多零，将矩阵转换为稀疏存储空间可以节省内存。

示例

S = sparse(m,n) 生成 m×n 全零稀疏矩阵。

示例

S = sparse(i,j,v) 根据 i、j 和 v 三元组生成稀疏矩阵 S，以便 S(i(k),j(k)) = v(k)。max(i)×max(j) 输出矩阵为 length(v) 个非零值元素分配了空间。

如果输入 i、j 和 v 为向量或矩阵，则它们必须具有相同数量的元素。参数 v 和/或 i 或 j 其中一个参数可以使标量。

示例

S = sparse(i,j,v,m,n) 将 S 的大小指定为 m×n。

示例

S = sparse(i,j,v,m,n,nz) 为 nz 非零元素分配空间。可以使用此语法为构造后要填充的非零值分配额外空间。

示例

全部折叠

打开实时脚本

创建一个 10,000×10,000 的满存储单位矩阵。

A = eye(10000);
whos A
  Name          Size                   Bytes  Class     Attributes

  A         10000x10000            800000000  double

此矩阵使用 800 MB 内存。

将矩阵转换为稀疏存储。 

S = sparse(A);
whos S
  Name          Size                Bytes  Class     Attributes

  S         10000x10000            240008  double    sparse

采用稀疏形式时，同一矩阵只使用约 0.25 MB 内存。在这种情况下，您可以使用 speye 函数来避免满存储，该函数可以直接创建稀疏单位矩阵。

打开实时脚本
S = sparse(10000,5000)
S = 
   All zero sparse: 10000x5000
打开实时脚本

根据 i、j 和 v 三元组生成 1500×1500 的稀疏矩阵。 

i = [900 1000];
j = [900 1000];
v = [10 100];
S = sparse(i,j,v,1500,1500)
S = 
 (900,900)     10
(1000,1000)   100

当指定的大小大于 max(i)×max(j) 时，sparse 函数会使用额外的零值行和列填充输出。

size(S)
ans = 1×2

        1500        1500
打开实时脚本

创建一个由 10 个非零值构成的稀疏矩阵，但实际上为此矩阵分配可以存储 100 个非零值的空间。

S = sparse(1:10,1:10,5,20,20,100);
N = nnz(S)
N = 10

N_alloc = nzmax(S)
N_alloc = 100

spalloc 函数可以快速创建由全零元素构成的稀疏矩阵，同时还会在此矩阵中为非零数数值分配一定的存储空间。

打开实时脚本

使用重复的下标将值累加到单一稀疏矩阵中，如果不如此的话，可能要使用一个或多个循环。

创建一个数据列向量和两个下标列向量。 

i = [6 6 6 5 10 10 9 9]';
j = [1 1 1 2 3 3 10 10]';
v = [100 202 173 305 410 550 323 121]';

并排显示下标和值。

[i,j,v]
ans = 8×3

     6     1   100
     6     1   202
     6     1   173
     5     2   305
    10     3   410
    10     3   550
     9    10   323
     9    10   121

使用 sparse 函数将具有相同下标的值累加。

S = sparse(i,j,v)
S = 
   (6,1)      475
   (5,2)      305
  (10,3)      960
   (9,10)     444

输入参数

全部折叠

输入矩阵，指定为满矩阵或稀疏矩阵。如果 A 已为稀疏状态，则 sparse(A) 会返回 A。

数据类型： double | logical
复数支持： 是

下标对组，指定为标量、向量或矩阵的单独参数。i 和 j 中的对应元素指定 S(i,j) 的下标对组，该对组决定 v 中的值在输出中的放置方式。i 和 j 必须具有相同的数据类型。如果 i 或 j 为向量或矩阵，则另一个输入可以是标量或者是具有相同元素数量的向量或矩阵。在这种情况下，sparse 会使用 i(:) 和 j(:) 作为下标。

如果 i 和 j 对 v 中的几个元素具有相同的值，则 sparse 会聚合 v 中具有重复索引的值。聚合行为取决于 v 中值的数据类型：

  • 对于逻辑值，sparse 应用 any 函数。

  • 对于双精度值，sparse 应用 sum 函数。

数据类型： single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | logical

值，指定为标量、向量或矩阵。如果 v 是向量或矩阵，则 i 或 j 的其中一个输入必须也是具有相同数量的元素的向量或矩阵。

v 中的任何零值元素都会被忽略，因为它们是 i 和 j 的对应下标。但是，如果您不指定输出的维度大小 m 和 n，则 sparse 在忽略 v 中的任何零值元素之前，会先计算最大值 m = max(i) 和 n = max(j)。

数据类型： double | logical
复数支持： 是

每个维度的大小，指定为包含整数值的单独参数。如果指定 m（行大小），则必须也指定 n（列大小）。

如果不指定 m 和 n，则 sparse 将使用默认值 m = max(i) 和 n = max(j)。这些最大值在删除 v 中的任何零之前进行计算。

数据类型： double

非零元素的存储空间分配，指定为非负整数。nz 通常必须大于或等于 max([numel(i), numel(j), numel(v), 1])。但是，如果 i、j 和 v 的大小允许您为 nz 指定值 0，则 sparse 会将该值设置为 1。

对于稀疏矩阵 S，nnz 函数返回矩阵中非零元素的数目，nzmax 函数返回为非零矩阵元素分配的空间量。如果 nnz(S) 和 nzmax(S) 返回不同的结果，则可能需要分配比实际需求更大的空间。鉴于此原因，请预先设置 nz，再进行填充。

如果您不指定 nz，则 sparse 使用默认值 max([numel(i), numel(j), numel(v), 1])。

数据类型： double

局限性

  • 如果 i,j 或 m,n 输入中的任意值大于 2^31-1（32 位平台）或 2^48-1（64 位平台），则无法构造稀疏矩阵。

提示

  • MATLAB® 以压缩稀疏列格式存储稀疏矩阵。有关详细信息，请参阅 John R. Gilbert、Cleve Moler 和 Robert Schreiber 合著的 Sparse Matrices In MATLAB:Design and Implementation。

  • accumarray 函数具有与 sparse 类似的累加行为。

    • accumarray 使用 n 维下标将数据分组到 bin 中，而 sparse 使用二维下标将数据分组到 bin 中。

    • 默认情况下，accumarray 会将具有相同下标的元素添加到输出中，但您可以选择对 bin 应用任意函数。sparse 会在输出中对具有相同下标的元素应用 sum 函数（对于双精度值）或 any 函数（对于逻辑值）。

扩展功能

另请参阅

| | | | | | | | | | | | |

主题

在 R2006a 之前推出

MATLAB 文档

支持

Introducing Deep Learning with MATLAB

Introducing Deep Learning with MATLAB

Download ebook