Ctrl+K
scipy.sparse.

diags#

scipy.sparse.diags(diagonals, offsets=0, shape=None, format=None, dtype=None)[源代码]#

从对角线构造稀疏矩阵。

警告

此函数返回一个稀疏矩阵，而不是一个稀疏数组。建议您使用 diags_array 来利用稀疏数组的功能。

参数:
diagonalsarray_like 的序列

包含矩阵对角线的数组序列，对应于 offsets。

offsets整数序列或整数，可选
要设置的对角线（不允许重复的偏移量）

  • k = 0 主对角线（默认）

  • k > 0 第 k 个上对角线

  • k < 0 第 k 个下对角线

shape整数元组，可选

结果的形状。如果省略，则返回一个足够大的包含对角线的方阵。

format{“dia”, “csr”, “csc”, “lil”, …}, 可选

结果的矩阵格式。默认情况下（format=None），返回适当的稀疏矩阵格式。此选择可能会更改。

dtypedtype，可选

矩阵的数据类型。

另请参见

spdiags

从对角线构造矩阵

diags_array

构造稀疏数组而不是稀疏矩阵

备注

不允许重复的对角线偏移量。

来自 diags 的结果与以下稀疏等效：

np.diag(diagonals[0], offsets[0])
+ ...
+ np.diag(diagonals[k], offsets[k])

diags 在处理非对角线的方式上与 dia_matrix 不同。具体来说，dia_matrix 假设数据输入在行开头/结尾包含用于正/负偏移量的填充（忽略的值），而 diags` 假设 输入 数据 没有 填充。 输入 ``diagonals`` 中的每个值都将被使用。

在 0.11 版本中添加。

示例

>>> from scipy.sparse import diags
>>> diagonals = [[1, 2, 3, 4], [1, 2, 3], [1, 2]]
>>> diags(diagonals, [0, -1, 2]).toarray()
array([[1., 0., 1., 0.],
       [1., 2., 0., 2.],
       [0., 2., 3., 0.],
       [0., 0., 3., 4.]])

支持标量的广播（但需要指定形状）

>>> diags([1, -2, 1], [-1, 0, 1], shape=(4, 4)).toarray()
array([[-2.,  1.,  0.,  0.],
       [ 1., -2.,  1.,  0.],
       [ 0.,  1., -2.,  1.],
       [ 0.,  0.,  1., -2.]])

如果只需要一个对角线（如 numpy.diag 中），以下方法也适用

>>> diags([1, 2, 3], 1).toarray()
array([[ 0.,  1.,  0.,  0.],
       [ 0.,  0.,  2.,  0.],
       [ 0.,  0.,  0.,  3.],
       [ 0.,  0.,  0.,  0.]])
在本页中