scipy.sparse.
diags#
- scipy.sparse.diags(diagonals, offsets=0, shape=None, format=None, dtype=None)[source]#
从对角线构造稀疏矩阵。
警告
此函数返回一个稀疏矩阵——而非稀疏数组。建议使用
diags_array
来利用稀疏数组功能。- 参数:
- diagonalsarray_like 序列
包含矩阵对角线的数组序列,对应于 offsets。
- offsetsint 序列或单个 int,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
- shapeint 元组,可选
结果的形状。如果省略,将返回一个足以包含所有对角线的方阵。
- format{“dia”, “csr”, “csc”, “lil”, …},可选
结果的矩阵格式。默认情况下(format=None),将返回一个合适的稀疏矩阵格式。此选择可能会更改。
- dtypedtype,可选
矩阵的数据类型。
- 返回:
- new_matrixdia_matrix
一个
dia_matrix
,其中包含根据 offsets 指示的、相对于主对角线偏移的 diagonals 中的值。
另请参阅
spdiags
从对角线构造矩阵
diags_array
构造稀疏数组而非稀疏矩阵
备注
不允许重复的对角线偏移。
diags
的结果是稀疏形式的等效于np.diag(diagonals[0], offsets[0]) + ... + np.diag(diagonals[k], offsets[k])
diags
与dia_matrix
在处理非对角线的方式上有所不同。具体来说,dia_matrix
假定对于正/负偏移,输入数据在行的开始/结束处包含填充(被忽略的值),而diags
假定输入数据没有填充。输入 diagonals 中的每个值都将被使用。0.11 版新增。
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.]])
如果只想要一条对角线(如
numpy.diag
中),以下方法也同样适用>>> diags([1, 2, 3], 1).toarray() array([[ 0., 1., 0., 0.], [ 0., 0., 2., 0.], [ 0., 0., 0., 3.], [ 0., 0., 0., 0.]])