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])

diagsdia_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.]])