本文簡要介紹 python 語言中 scipy.sparse.bsr_matrix
的用法。
用法:
class scipy.sparse.bsr_matrix(arg1, shape=None, dtype=None, copy=False, blocksize=None)#
塊稀疏行格式稀疏矩陣。
- bsr_matrix(D, [blocksize=(R,C)])
其中 D 是二維 ndarray。
- bsr_matrix(S, [blocksize=(R,C)])
與另一個稀疏數組或矩陣 S (相當於 S.tobsr())
- bsr_matrix((M, N), [blocksize=(R,C), dtype])
構造形狀為 (M, N) 的空稀疏矩陣 dtype 是可選的,默認為 dtype=’d’。
- bsr_matrix((data, ij), [blocksize=(R,C), shape=(M, N)])
其中
data
和ij
滿足a[ij[0, k], ij[1, k]] = data[k]
- bsr_matrix((數據,索引,indptr),[形狀=(M,N)])
是標準 BSR 表示,其中第 i 行的塊列索引存儲在
indices[indptr[i]:indptr[i+1]]
中,它們對應的塊值存儲在data[ indptr[i]: indptr[i+1] ]
中。如果未提供 shape 參數,則從索引數組中推斷出矩陣維度。
這可以通過多種方式實例化::
注意:
稀疏矩陣可用於算術運算:它們支持加法、減法、乘法、除法和矩陣冪。
BSR格式總結
塊稀疏行 (BSR) 格式與壓縮稀疏行 (CSR) 格式非常相似。 BSR 適用於具有密集子矩陣的稀疏矩陣,如下麵的最後一個示例。這種稀疏分塊矩陣經常出現在vector-valued有限元離散化中。在這種情況下,對於許多稀疏算術運算,BSR 比 CSR 和 CSC 更有效。
塊大小
塊大小 (R,C) 必須均勻劃分稀疏矩陣 (M,N) 的形狀。即,R和C必須滿足關係
M % R = 0
和N % C = 0
。如果沒有指定塊大小,則應用簡單的啟發式方法來確定適當的塊大小。
規範格式
在規範格式中,沒有重複的塊,並且索引按行排序。
例子:
>>> import numpy as np >>> from scipy.sparse import bsr_matrix >>> bsr_matrix((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_matrix((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_matrix((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: 類型
矩陣的數據類型
shape
2元組矩陣的形狀
- ndim: int
維數(始終為 2)
nnz
存儲值的數量,包括顯式零。
size
存儲值的數量。
- data:
矩陣的BSR格式數據數組
- indices:
BSR格式矩陣索引數組
- indptr:
BSR格式矩陣索引指針數組
blocksize
矩陣的塊大小。
has_sorted_indices
bool索引是否排序
has_canonical_format
bool數組/矩陣是否具有排序索引並且沒有重複項
T
轉置。
屬性 ::
相關用法
- Python SciPy sparse.bsr_array用法及代碼示例
- Python SciPy sparse.bmat用法及代碼示例
- Python SciPy sparse.block_diag用法及代碼示例
- Python SciPy sparse.block用法及代碼示例
- Python SciPy sparse.isspmatrix用法及代碼示例
- Python SciPy sparse.save_npz用法及代碼示例
- Python SciPy sparse.issparse用法及代碼示例
- Python SciPy sparse.coo_matrix用法及代碼示例
- Python SciPy sparse.isspmatrix_csc用法及代碼示例
- Python SciPy sparse.isspmatrix_csr用法及代碼示例
- Python SciPy sparse.tril用法及代碼示例
- Python SciPy sparse.coo_array用法及代碼示例
- Python SciPy sparse.dia_array用法及代碼示例
- Python SciPy sparse.hstack用法及代碼示例
- Python SciPy sparse.rand用法及代碼示例
- Python SciPy sparse.dia_matrix用法及代碼示例
- Python SciPy sparse.find用法及代碼示例
- Python SciPy sparse.isspmatrix_dia用法及代碼示例
- Python SciPy sparse.isspmatrix_lil用法及代碼示例
- Python SciPy sparse.csc_matrix用法及代碼示例
- Python SciPy sparse.diags用法及代碼示例
- Python SciPy sparse.vstack用法及代碼示例
- Python SciPy sparse.dok_matrix用法及代碼示例
- Python SciPy sparse.kron用法及代碼示例
- Python SciPy sparse.random用法及代碼示例
注:本文由純淨天空篩選整理自scipy.org大神的英文原創作品 scipy.sparse.bsr_matrix。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。