本文简要介绍 python 语言中 scipy.sparse.bsr_array
的用法。
用法:
class scipy.sparse.bsr_array(arg1, shape=None, dtype=None, copy=False, blocksize=None)#
块稀疏行格式稀疏数组。
- bsr_array(D, [blocksize=(R,C)])
其中 D 是二维 ndarray。
- bsr_array(S, [blocksize=(R,C)])
与另一个稀疏数组或矩阵 S (相当于 S.tobsr())
- bsr_array((M, N), [blocksize=(R,C), dtype])
构造一个形状为 (M, N) 的空稀疏数组 dtype 是可选的,默认为 dtype=’d’。
- bsr_array((data, ij), [blocksize=(R,C), shape=(M, N)])
其中
data
和ij
满足a[ij[0, k], ij[1, k]] = data[k]
- bsr_array((数据,索引,indptr),[形状=(M,N)])
是标准 BSR 表示,其中第 i 行的块列索引存储在
indices[indptr[i]:indptr[i+1]]
中,它们对应的块值存储在data[ indptr[i]: indptr[i+1] ]
中。如果未提供 shape 参数,则从索引数组推断数组维度。
这可以通过多种方式实例化::
注意:
稀疏数组可用于算术运算:它们支持加法、减法、乘法、除法和矩阵幂。
BSR格式总结
块稀疏行 (BSR) 格式与压缩稀疏行 (CSR) 格式非常相似。 BSR 适用于具有密集子矩阵的稀疏矩阵,如下面的最后一个示例。这种稀疏分块矩阵经常出现在vector-valued有限元离散化中。在这种情况下,对于许多稀疏算术运算,BSR 比 CSR 和 CSC 更有效。
块大小
块大小 (R,C) 必须均匀划分稀疏数组 (M,N) 的形状。即,R和C必须满足关系
M % R = 0
和N % C = 0
。如果没有指定块大小,则应用简单的启发式方法来确定适当的块大小。
规范格式
在规范格式中,没有重复的块,并且索引按行排序。
例子:
>>> import numpy as np >>> from scipy.sparse import bsr_array >>> bsr_array((3, 4), dtype=np.int8).toarray() array([[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]], dtype=int8)
>>> row = np.array([0, 0, 1, 2, 2, 2]) >>> col = np.array([0, 2, 2, 0, 1, 2]) >>> data = np.array([1, 2, 3 ,4, 5, 6]) >>> bsr_array((data, (row, col)), shape=(3, 3)).toarray() array([[1, 0, 2], [0, 0, 3], [4, 5, 6]])
>>> indptr = np.array([0, 2, 3, 6]) >>> indices = np.array([0, 2, 2, 0, 1, 2]) >>> data = np.array([1, 2, 3, 4, 5, 6]).repeat(4).reshape(6, 2, 2) >>> bsr_array((data,indices,indptr), shape=(6, 6)).toarray() array([[1, 1, 0, 0, 2, 2], [1, 1, 0, 0, 2, 2], [0, 0, 0, 0, 3, 3], [0, 0, 0, 0, 3, 3], [4, 4, 5, 5, 6, 6], [4, 4, 5, 5, 6, 6]])
- dtype: 类型
数组的数据类型
shape
2元组阵列的形状。
- ndim: int
维数(始终为 2)
nnz
存储值的数量,包括显式零。
size
存储值的数量。
- data:
BSR格式数据数组的数组
- indices:
BSR格式数组的索引数组
- indptr:
BSR格式数组的索引指针数组
blocksize
矩阵的块大小。
has_sorted_indices
bool索引是否排序
has_canonical_format
bool数组/矩阵是否具有排序索引并且没有重复项
T
转置。
属性 ::
相关用法
- Python SciPy sparse.bsr_matrix用法及代码示例
- Python SciPy sparse.bmat用法及代码示例
- Python SciPy sparse.block_diag用法及代码示例
- Python SciPy sparse.block用法及代码示例
- Python SciPy sparse.isspmatrix用法及代码示例
- Python SciPy sparse.save_npz用法及代码示例
- Python SciPy sparse.issparse用法及代码示例
- Python SciPy sparse.coo_matrix用法及代码示例
- Python SciPy sparse.isspmatrix_csc用法及代码示例
- Python SciPy sparse.isspmatrix_csr用法及代码示例
- Python SciPy sparse.tril用法及代码示例
- Python SciPy sparse.coo_array用法及代码示例
- Python SciPy sparse.dia_array用法及代码示例
- Python SciPy sparse.hstack用法及代码示例
- Python SciPy sparse.rand用法及代码示例
- Python SciPy sparse.dia_matrix用法及代码示例
- Python SciPy sparse.find用法及代码示例
- Python SciPy sparse.isspmatrix_dia用法及代码示例
- Python SciPy sparse.isspmatrix_lil用法及代码示例
- Python SciPy sparse.csc_matrix用法及代码示例
- Python SciPy sparse.diags用法及代码示例
- Python SciPy sparse.vstack用法及代码示例
- Python SciPy sparse.dok_matrix用法及代码示例
- Python SciPy sparse.kron用法及代码示例
- Python SciPy sparse.random用法及代码示例
注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.sparse.bsr_array。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。