Python SciPy sparse.bmat用法及代码示例

本文简要介绍 python 语言中 scipy.sparse.bmat 的用法。

用法:

scipy.sparse.bmat(blocks, format=None, dtype=None)#

从稀疏构建稀疏数组或矩阵sub-blocks

注意： block 优于 bmat 。它们是相同的函数，只是 bmat 可以返回已弃用的稀疏矩阵。如果没有输入是稀疏数组，bmat 将返回 coo_matrix。

参数 ：：

blocks： array_like

具有兼容形状的稀疏矩阵网格。 None 的条目意味着all-zero 矩阵。

format： {‘bsr’, ‘coo’, ‘csc’, ‘csr’, ‘dia’, ‘dok’, ‘lil’}，可选

结果的稀疏格式(例如“csr”)。默认情况下会返回适当的稀疏矩阵格式。此选择可能会发生变化。

dtype： dtype，可选

输出矩阵的数据类型。如果未给出，则根据块的类型确定 dtype。

返回 ：：

bmat： 稀疏矩阵或数组

如果blocks中的任何块是稀疏数组，则返回稀疏数组。否则返回稀疏矩阵。

如果您想要从非稀疏数组的块构建稀疏数组，请使用block()。

例子：

>>> from scipy.sparse import coo_array, bmat
>>> A = coo_array([[1, 2], [3, 4]])
>>> B = coo_array([[5], [6]])
>>> C = coo_array([[7]])
>>> bmat([[A, B], [None, C]]).toarray()
array([[1, 2, 5],
       [3, 4, 6],
       [0, 0, 7]])

>>> bmat([[A, None], [None, C]]).toarray()
array([[1, 2, 0],
       [3, 4, 0],
       [0, 0, 7]])