scipy.sparse.

bmat#

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

从稀疏块中构建稀疏数组或矩阵

注：block_array比bmat更热衷。它们是除了bmat能返回一个弃用的稀疏矩阵外其他都相同。如果没有任何输入是稀疏矩阵，则bmat将返回一个coo_matrix。

警告

此函数返回一个稀疏矩阵——而不是稀疏数组。建议您使用block_array以利用稀疏数组的功能。

参数:

blocksarray_like: 兼容形状的稀疏矩阵网格。如果某个条目是 None，则表示一个全零矩阵。
格式{'bsr', 'coo', 'csc', 'csr', 'dia', 'dok', 'lil'}，可选: 结果的稀疏格式（例如“csr”）。默认情况下，将返回一种合适的稀疏矩阵格式。此选择可能发生变化。
数据类型数据类型，可选: 输出矩阵的数据类型。如果未给出，将根据块的类型确定数据类型。

返回:

bmat稀疏矩阵或数组

如果块中的任一元素为稀疏数组，则返回一个稀疏数组。否则，返回一个稀疏矩阵。

如果您希望从不是稀疏数组的块中构建稀疏数组，请使用block_array()。

另请参阅

block_array

示例

>>> 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]])