bsr_array#
- class scipy.sparse.bsr_array(arg1, shape=None, dtype=None, copy=False, blocksize=None, *, maxprint=None)[源代码]#
块稀疏行格式稀疏数组。
- 可以通过以下几种方式实例化
- bsr_array(D, [blocksize=(R,C)])
其中 D 是一个 2 维 ndarray。
- bsr_array(S, [blocksize=(R,C)])
使用另一个稀疏数组或矩阵 S (等价于 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((data, indices, indptr), [shape=(M, N)])
是标准的 BSR 表示形式,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,则数组维度将从索引数组中推断出来。
说明
稀疏数组可以用于算术运算:它们支持加法、减法、乘法、除法和矩阵幂。
BSR 格式概述
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所示。这种稀疏块矩阵通常出现在向量值有限元离散化中。在这种情况下,对于许多稀疏算术运算,BSR 比 CSR 和 CSC 效率高得多。
块大小
块大小 (R,C) 必须均匀地除以稀疏数组的形状 (M,N)。也就是说,R 和 C 必须满足关系
M % R = 0
和N % C = 0
。如果未指定块大小,则应用简单的启发式方法来确定合适的块大小。
规范格式
在规范格式中,没有重复的块,并且索引按行排序。
局限性
块稀疏行格式稀疏数组不支持切片。
示例
>>> 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]])
- 属性:
- dtypedtype
数组的数据类型
- shape2 元组
数组的形状
- ndimint
维度数(始终为 2)
nnz
存储值的数量,包括显式零。
size
存储值的数量。
- data
数组的 BSR 格式数据数组
- indices
数组的 BSR 格式索引数组
- indptr
数组的 BSR 格式索引指针数组
blocksize
矩阵的块大小。
has_sorted_indices
bool索引是否已排序
has_canonical_format
bool数组/矩阵是否具有已排序的索引且没有重复项
T
转置。
方法
__len__
()arcsin
()元素级反正弦。
arcsinh
()元素级反双曲正弦。
arctan
()元素级反正切。
arctanh
()元素级反双曲正切。
argmax
([axis, out, explicit])返回沿轴的最大元素的索引。
argmin
([axis, out, explicit])返回沿轴的最小元素的索引。
asformat
(format[, copy])以传入的格式返回此数组/矩阵。
astype
(dtype[, casting, copy])将数组/矩阵元素转换为指定类型。
ceil
()元素级向上取整。
check_format
([full_check])检查数组/矩阵是否符合 BSR 格式。
conj
([copy])元素级复共轭。
conjugate
([copy])元素级复共轭。
copy
()返回此数组/矩阵的副本。
count_nonzero
([axis])非零条目的数量,等效于
deg2rad
()元素级 deg2rad。
diagonal
([k])返回数组/矩阵的第 k 个对角线。
dot
(other)普通点积
就地移除零元素。
expm1
()元素级 expm1。
floor
()元素级向下取整。
log1p
()元素级 log1p。
max
([axis, out, explicit])返回数组/矩阵的最大值或沿轴的最大值。
maximum
(other)此数组/矩阵与另一个数组/矩阵之间的元素级最大值。
mean
([axis, dtype, out])计算沿指定轴的算术平均值。
min
([axis, out, explicit])返回数组/矩阵的最小值或沿轴的最大值。
minimum
(other)此数组/矩阵与另一个数组/矩阵之间的元素级最小值。
multiply
(other)与数组/矩阵、向量或标量的点式乘法。
nanmax
([axis, out, explicit])返回沿轴的最大值,忽略任何 NaN。
nanmin
([axis, out, explicit])返回沿轴的最小值,忽略任何 NaN。
nonzero
()数组/矩阵的非零索引。
power
(n[, dtype])此函数执行元素级幂运算。
prune
()删除所有非零元素后的空空间。
rad2deg
()元素级 rad2deg。
reshape
(self, shape[, order, copy])在不更改其数据的情况下,为稀疏数组/矩阵提供新形状。
resize
(*shape)将数组/矩阵就地调整为由
shape
给定的维度rint
()元素级 rint。
setdiag
(values[, k])设置数组/矩阵的对角线或非对角线元素。
sign
()逐元素符号函数。
sin
()逐元素正弦函数。
sinh
()逐元素双曲正弦函数。
原地 对此数组/矩阵的索引进行排序。
返回此索引已排序的数组/矩阵的副本。
sqrt
()逐元素平方根函数。
sum
([axis, dtype, out])沿给定轴求数组/矩阵元素的和。
通过将重复的数组/矩阵条目相加来消除它们。
tan
()逐元素正切函数。
tanh
()逐元素双曲正切函数。
toarray
([order, out])返回此稀疏数组/矩阵的密集ndarray表示。
tobsr
([blocksize, copy])将此数组/矩阵转换为块稀疏行格式。
tocoo
([copy])将此数组/矩阵转换为坐标格式。
tocsc
([copy])将此数组/矩阵转换为压缩稀疏列格式。
tocsr
([copy])将此数组/矩阵转换为压缩稀疏行格式。
todense
([order, out])返回此稀疏数组的密集表示。
todia
([copy])将此数组/矩阵转换为稀疏对角格式。
todok
([copy])将此数组/矩阵转换为键字典格式。
tolil
([copy])将此数组/矩阵转换为列表的列表格式。
trace
([offset])返回稀疏数组/矩阵对角线上的和。
transpose
([axes, copy])反转稀疏数组/矩阵的维度。
trunc
()逐元素截断函数。
__getitem__
__mul__