Python SciPy sparse.diags用法及代码示例

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

用法:

scipy.sparse.diags(diagonals, offsets=0, shape=None, format=None, dtype=None)#

从对角线构造一个稀疏矩阵。

参数 ：：

diagonals： 数组 序列

包含矩阵对角线的数组序列，对应于偏移量。

offsets： int 或 int 序列，可选

要设置的对角线：

• k = 0 主对角线(默认)

• k > 0 第 k 个上对角线

• k < 0 第 k 个下对角线

shape： int 元组，可选

结果的形状。如果省略，则返回一个大到足以包含对角线的方阵。

format： {“dia”, “csr”, “csc”, “lil”, ...}，可选

结果的矩阵格式。默认情况下 (format=None) 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

矩阵的数据类型。

注意：

此函数在处理 off-diagonals 的方式上与 spdiags 不同。

diags 的结果是稀疏等价的：

np.diag(diagonals[0], offsets[0])
+ ...
+ np.diag(diagonals[k], offsets[k])

不允许重复的对角线偏移。

例子：

>>> from scipy.sparse import diags
>>> diagonals = [[1, 2, 3, 4], [1, 2, 3], [1, 2]]
>>> diags(diagonals, [0, -1, 2]).toarray()
array([[1, 0, 1, 0],
       [1, 2, 0, 2],
       [0, 2, 3, 0],
       [0, 0, 3, 4]])

支持标量广播(但需要指定形状)：

>>> diags([1, -2, 1], [-1, 0, 1], shape=(4, 4)).toarray()
array([[-2.,  1.,  0.,  0.],
       [ 1., -2.,  1.,  0.],
       [ 0.,  1., -2.,  1.],
       [ 0.,  0.,  1., -2.]])

如果只需要一个对角线(如 numpy.diag )，则以下方法也可以：

>>> diags([1, 2, 3], 1).toarray()
array([[ 0.,  1.,  0.,  0.],
       [ 0.,  0.,  2.,  0.],
       [ 0.,  0.,  0.,  3.],
       [ 0.,  0.,  0.,  0.]])