bsr_matrix#
- class scipy.sparse.bsr_matrix(arg1, shape=None, dtype=None, copy=False, blocksize=None, *, maxprint=None)[源代码]#
块稀疏行格式稀疏矩阵。
- 可以通过几种方式实例化它
- bsr_matrix(D, [blocksize=(R,C)])
其中 D 是一个二维 ndarray。
- bsr_matrix(S, [blocksize=(R,C)])
使用另一个稀疏数组或矩阵 S（等效于 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 是可选的，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)])
是标准的 BSR 表示，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，则矩阵维度将从索引数组推断出来。
注释
稀疏矩阵可用于算术运算：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 效率更高。
块大小
块大小 (R,C) 必须均匀分割稀疏矩阵的形状 (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。
限制
块稀疏行格式稀疏矩阵不支持切片。
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
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_indicesbool索引是否已排序
has_canonical_formatbool数组/矩阵是否具有排序的索引且没有重复项
T转置。
方法
__len__()__mul__(other)arcsin()逐元素反正弦。
arcsinh()逐元素反双曲正弦。
arctan()逐元素反正切。
arctanh()逐元素反双曲正切。
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])以传递的格式返回此数组/矩阵。
asfptype()将矩阵向上转换为浮点格式（如果必要）
astype(dtype[, casting, copy])将数组/矩阵元素强制转换为指定的类型。
ceil()逐元素向上取整。
check_format([full_check])检查数组/矩阵是否符合 BSR 格式。
conj([copy])逐元素复共轭。
conjugate([copy])逐元素复共轭。
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()逐元素 deg2rad。
diagonal([k])返回数组/矩阵的第 k 条对角线。
dot(other)普通点积
就地删除零元素。
expm1()逐元素 expm1。
floor()逐元素向下取整。
getH()返回此矩阵的 Hermitian 转置。
获取矩阵的形状
getcol(j)返回矩阵第 j 列的副本，作为 (m x 1) 稀疏矩阵（列向量）。
矩阵存储格式
打印时要显示的最大元素数。
getnnz([axis])存储值的数量，包括显式零。
getrow(i)返回矩阵第 i 行的副本，作为 (1 x n) 稀疏矩阵（行向量）。
log1p()逐元素 log1p。
max([axis, out, explicit])返回数组/矩阵的最大值，或沿指定轴的最大值。
maximum(other)计算此数组/矩阵与另一个数组/矩阵之间的逐元素最大值。
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，或沿指定轴的最大值。
minimum(other)计算此数组/矩阵与另一个数组/矩阵之间的逐元素最小值。
multiply(other)执行数组/矩阵、向量或标量之间的逐点乘法。
nanmax([axis, out, explicit])返回沿指定轴的最大值，忽略任何 NaN。
nanmin([axis, out, explicit])返回沿指定轴的最小值，忽略任何 NaN。
nonzero()返回数组/矩阵的非零索引。
power(n[, dtype])此函数执行逐元素幂运算。
prune()删除所有非零元素后的空余空间。
rad2deg()逐元素执行 rad2deg 运算。
reshape(self, shape[, order, copy])为稀疏数组/矩阵赋予新的形状，而不改变其数据。
resize(*shape)将数组/矩阵就地调整为
shape给定的维度。rint()逐元素执行 rint 运算。
set_shape(shape)就地设置矩阵的形状。
setdiag(values[, k])设置数组/矩阵的对角线或非对角线元素。
sign()逐元素执行 sign 运算。
sin()逐元素执行 sin 运算。
sinh()逐元素执行 sinh 运算。
就地 对此数组/矩阵的索引进行排序。
返回此数组/矩阵的副本，其中索引已排序。
sqrt()逐元素执行 sqrt 运算。
sum([axis, dtype, out])将数组/矩阵元素沿给定轴求和。
通过将重复的数组/矩阵条目相加来消除它们。
tan()逐元素执行 tan 运算。
tanh()逐元素执行 tanh 运算。
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])返回此稀疏矩阵的密集表示。
todia([copy])将此数组/矩阵转换为稀疏对角线格式。
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/矩阵沿对角线的和。
transpose([axes, copy])反转稀疏数组/矩阵的维度。
trunc()逐元素执行 trunc 运算。
__getitem__