bsr_matrix#
- class scipy.sparse.bsr_matrix(arg1, shape=None, dtype=None, copy=False, blocksize=None)[source]#
稀疏矩阵的块稀疏行格式。
- 它可以通过以下几种方式创建
- bsr_matrix(D, [blocksize=(R,C)])
其中 D 是一个二维 ndarray。
- bsr_matrix(S, [blocksize=(R,C)])
另一个稀疏数组或矩阵 S（相等于 S.tobsr()）
- bsr_matrix((M, N), [blocksize=(R,C), dtype])
构造一个形状为 (M, N) 的空稀疏矩阵，dtype 是可选参数，默认为 dtype=’d’。
- bsr_matrix((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_matrix((data, indices, indptr), [shape=(M, N)])
是标准 BSR 表示形式，其中行 i 的块列索引存储在
indices[indptr[i]:indptr[i+1]]中，其对应的块值存储在data[ indptr[i]: indptr[i+1] ]中。如果未提供 shape 参数，则从索引数组中推断出矩阵的维度。
备注
稀疏矩阵可用于算术运算：它们支持加法、减法、乘法、除法以及矩阵求幂。
BSR 格式摘要
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，如以下最后一个示例。此类稀疏块矩阵通常出现在向量值有限元离散化中。在这些情况下，对于许多稀疏算术运算，BSR 比 CSR 和 CSC 效率更高。
块大小
块大小 (R,C) 必须能整除稀疏矩阵（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，则应用一个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，没有重复块，并且按行对索引排序。
示例
>>> 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]])
- 属性:
- dtypedtype
矩阵的数据类型
shape2 元组矩阵的形状
- ndimint
维度数（这始终为 2）
nnz存储的值数，包括显式 0。
size存储的值数。
- data
矩阵的 BSR 格式数据数组
- indices
矩阵的 BSR 格式索引数组
- indptr
矩阵的 BSR 格式索引指针数组
blocksize矩阵的块大小。
has_sorted_indices布尔值索引是否已排序
has_canonical_format布尔值数组/矩阵是否有排序的索引和没有重复项
T转置。
方法
__len__()__mul__(other)arcsin()按元素处理的arcsin。
arcsinh()按元素处理的arcsinh。
arctan()按元素处理的arctan。
arctanh()按元素处理的arctanh。
argmax([axis, out])返回沿轴向最大元素的索引。
argmin([axis, out])返回沿轴向最小元素的索引。
asformat(format[, copy])以传递的格式返回此数组/矩阵。
asfptype()必要时将矩阵提升为浮点格式
astype(dtype[, casting, copy])将数组/矩阵元素强制转换为指定类型。
ceil()按元素处理的ceil。
check_format([full_check])检查数组/矩阵是否遵守BSR格式。
conj([copy])按元素处理的复共轭。
conjugate([copy])按元素处理的复共轭。
copy()返回此数组/矩阵的副本。
非零条目的数量，相当于
deg2rad()按元素处理的deg2rad。
diagonal([k])返回数组/矩阵的kth对角线。
dot(other)普通点积
就地消除零元素。
expm1()按元素处理的expm1。
floor()按元素处理的floor。
getH()返回此矩阵的厄米转置。
获取矩阵的形状
getcol(j)作为 (m x 1) 稀疏矩阵（列向量）返回矩阵的第 j 列的副本。
矩阵存储格式
打印时要显示的最大元素数。
getnnz([axis])存储的值数，包括显式 0。
getrow(i)作为 (1 x n) 稀疏矩阵（行向量）返回矩阵的第 i 行的副本。
log1p()按元素计算 log1p。
max([axis, out])返回数组/矩阵的最大值或沿指定轴的最大值。
maximum(other)此矩阵/数组与另一个矩阵/数组之间的按元素最大值。
mean([axis, dtype, out])计算沿指定轴的算术平均值。
min([axis, out])返回数组/矩阵的最小值或沿指定轴的最小值。
minimum(other)此矩阵/数组与另一个矩阵/数组之间的按元素最小值。
multiply(other)按数组/矩阵、向量或标量点乘。
nanmax([axis, out])返回数组/矩阵的最大值或沿指定轴的最大值，忽略任何 NaN。
nanmin([axis, out])返回数组/矩阵的最小值，或忽略所有 NaN，返回按轴方向计算的最小值。
nonzero()数组/矩阵的非零索引。
power(n[, dtype])此函数执行逐元素求幂运算。
prune()去除所有非零元素后的空余空间。
rad2deg()逐元素 rad2deg。
reshape(self, shape[, order, copy])为稀疏数组/矩阵赋予新形状，而不更改其数据。
resize(*shape)原地调整数组/矩阵大小，使其符合
shape给定的维度rint()逐元素 rint。
set_shape(shape)原地设置矩阵的形状
setdiag(values[, k])设置数组/矩阵的对角元素或非对角元素。
sign()逐元素 sign。
sin()逐元素 sin。
sinh()逐元素 sinh。
原地对该数组/矩阵的索引进行排序
返回已排序索引的该数组/矩阵的副本
sqrt()逐元素 sqrt。
sum([axis, dtype, out])按给定轴对数组/矩阵元素求和。
通过将重复的数组/矩阵条目相加予以消除
tan()逐元素 tan。
tanh()逐元素 tanh。
toarray([order, out])返回该稀疏数组/矩阵的稠密 ndarray 表示形式。
tobsr([blocksize, copy])将此数组/矩阵转换为块稀疏行格式。
tocoo([复制])将此数组/矩阵转换为坐标格式。
tocsc([复制])将此数组/矩阵转换为压缩稀疏列格式。
tocsr([复制])将此数组/矩阵转换为压缩稀疏行格式。
todense([顺序，输出])返回此稀疏数组/矩阵的稠密表示形式。
todia([复制])将此数组/矩阵转换为稀疏对角线格式。
todok([复制])将此数组/矩阵转换为键字典格式。
tolil([复制])将此数组/矩阵转换为列表列表格式。
trace([偏移])返回稀疏数组/矩阵的对角线之和。
transpose([轴，复制])反转稀疏数组/矩阵的维度。
截断()逐元素截断。
__getitem__