scipy.sparse.

dia_array#

class scipy.sparse.dia_array(arg1, shape=None, dtype=None, copy=False)[source]#

具有 DIAgonal 存储的稀疏数组。

它可以通过几种方式实例化
dia_array(D)

其中 D 是一个 2 维 ndarray

dia_array(S)

另一个稀疏数组或矩阵 S(等效于 S.todia())

dia_array((M, N), [dtype])

用于构建一个形状为 (M, N) 的空数组,dtype 可选,默认为 dtype=’d’。

dia_array((data, offsets), shape=(M, N))

其中 data[k,:] 存储对角线 offsets[k] 的对角线条目(见下面的示例)

注意

稀疏数组可以在算术运算中使用:它们支持加法、减法、乘法、除法和矩阵幂。

示例

>>> import numpy as np
>>> from scipy.sparse import dia_array
>>> dia_array((3, 4), dtype=np.int8).toarray()
array([[0, 0, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 0]], dtype=int8)
>>> data = np.array([[1, 2, 3, 4]]).repeat(3, axis=0)
>>> offsets = np.array([0, -1, 2])
>>> dia_array((data, offsets), shape=(4, 4)).toarray()
array([[1, 0, 3, 0],
       [1, 2, 0, 4],
       [0, 2, 3, 0],
       [0, 0, 3, 4]])
>>> from scipy.sparse import dia_array
>>> n = 10
>>> ex = np.ones(n)
>>> data = np.array([ex, 2 * ex, ex])
>>> offsets = np.array([-1, 0, 1])
>>> dia_array((data, offsets), shape=(n, n)).toarray()
array([[2., 1., 0., ..., 0., 0., 0.],
       [1., 2., 1., ..., 0., 0., 0.],
       [0., 1., 2., ..., 0., 0., 0.],
       ...,
       [0., 0., 0., ..., 2., 1., 0.],
       [0., 0., 0., ..., 1., 2., 1.],
       [0., 0., 0., ..., 0., 1., 2.]])
属性::
dtypedtype

数组的数据类型

shape2 元组

数组的形状

ndimint

维数(始终为 2)

nnz

存储值的个数,包括显式零。

size

存储值的个数。

data

数组的 DIA 格式数据数组

offsets

数组的 DIA 格式偏移数组

T

转置。

方法

__len__()

arcsin()

逐元素 arcsin。

arcsinh()

逐元素 arcsinh。

arctan()

逐元素 arctan。

arctanh()

逐元素 arctanh。

asformat(format[, copy])

以传递的格式返回此数组/矩阵。

astype(dtype[, casting, copy])

将数组/矩阵元素转换为指定类型。

ceil()

逐元素 ceil。

conj([copy])

逐元素复数共轭。

conjugate([copy])

逐元素复数共轭。

copy()

返回此数组/矩阵的副本。

count_nonzero()

非零条目的个数,等效于

deg2rad()

逐元素 deg2rad。

diagonal([k])

返回数组/矩阵的第 k 个对角线。

dot(other)

普通点积

expm1()

逐元素 expm1。

floor()

逐元素 floor。

log1p()

逐元素 log1p。

maximum(other)

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])

计算指定轴上的算术平均值。

minimum(other)

此数组/矩阵与另一个数组/矩阵之间的逐元素最小值。

multiply(other)

按另一个数组/矩阵逐点相乘。

nonzero()

数组/矩阵的非零索引。

power(n[, dtype])

此函数执行逐元素幂运算。

rad2deg()

逐元素 rad2deg。

reshape(self, shape[, order, copy])

为稀疏数组/矩阵提供新的形状,而不改变其数据。

resize(*shape)

将数组/矩阵就地调整大小为由 shape 给定的维度

rint()

逐元素 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 sign。

sin()

逐元素 sin。

sinh()

逐元素 sinh。

sqrt()

逐元素 sqrt。

sum([axis, dtype, out])

将数组/矩阵元素沿给定轴求和。

tan()

逐元素 tan。

tanh()

逐元素 tanh。

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 COOrdinate 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/矩阵的密集表示。

todia([copy])

将此数组/矩阵转换为稀疏 DIAgonal 格式。

todok([copy])

将此数组/矩阵转换为键字典格式。

tolil([copy])

将此数组/矩阵转换为列表列表格式。

trace([offset])

返回稀疏数组/矩阵的对角线上元素的总和。

transpose([axes, copy])

反转稀疏数组/矩阵的维度。

trunc()

逐元素 trunc。

__mul__