scipy.sparse.

bsr_array

class scipy.sparse.bsr_array(arg1, shape=None, dtype=None, copy=False, blocksize=None, *, maxprint=None)

區塊稀疏行格式稀疏陣列。

這可以透過幾種方式實例化

bsr_array(D, [blocksize=(R,C)])

其中 D 是一個 2 維 ndarray。

bsr_array(S, [blocksize=(R,C)])

與另一個稀疏陣列或矩陣 S（等效於 S.tobsr()）

bsr_array((M, N), [blocksize=(R,C), dtype])

建構一個形狀為 (M, N) 的空稀疏陣列，dtype 是可選的，預設為 dtype='d'。

bsr_array((data, ij), [blocksize=(R,C), shape=(M, N)])

其中 data 和 ij 滿足 a[ij[0, k], ij[1, k]] = data[k]

bsr_array((data, indices, indptr), [shape=(M, N)])

是標準的 BSR 表示法，其中第 i 行的區塊列索引儲存在 indices[indptr[i]:indptr[i+1]] 中，而它們對應的區塊值儲存在 data[ indptr[i]: indptr[i+1] ] 中。如果未提供 shape 參數，則陣列維度會從索引陣列推斷。

註解

稀疏陣列可用於算術運算：它們支援加法、減法、乘法、除法和矩陣冪。

BSR 格式摘要

區塊稀疏行 (BSR) 格式與壓縮稀疏行 (CSR) 格式非常相似。BSR 適用於具有密集子矩陣的稀疏矩陣，如下面的最後一個範例所示。這種稀疏區塊矩陣通常出現在向量值有限元素離散化中。在這種情況下，對於許多稀疏算術運算，BSR 比 CSR 和 CSC 有效率得多。

區塊大小

區塊大小 (R,C) 必須均勻劃分稀疏陣列 (M,N) 的形狀。也就是說，R 和 C 必須滿足關係式 M % R = 0 和 N % C = 0。

如果未指定區塊大小，則會應用簡單的啟發式方法來確定適當的區塊大小。

正規格式

在正規格式中，沒有重複的區塊，並且索引按行排序。

限制

區塊稀疏行格式稀疏陣列不支援切片。

範例

在您的瀏覽器中試試看！

>>> import numpy as np
>>> from scipy.sparse import bsr_array
>>> bsr_array((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_array((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_array((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]])

返回在新分頁中開啟

屬性:

dtypedtype

陣列的資料類型

shape2 元組

陣列的形狀

ndim整數

維度數量（這始終為 2）

nnz

儲存值的數量，包括顯式零。

size

儲存值的數量。

data

陣列的 BSR 格式資料陣列

indices

陣列的 BSR 格式索引陣列

indptr

陣列的 BSR 格式索引指標陣列

blocksize

矩陣的區塊大小。

has_sorted_indices布林值

索引是否已排序

has_canonical_format布林值

陣列/矩陣是否具有排序索引且沒有重複項

T

轉置。

方法

__len__()
arcsin()	元素級 arcsin。
arcsinh()	元素級 arcsinh。
arctan()	元素級 arctan。
arctanh()	元素級 arctanh。
argmax([axis, out, explicit])	返回沿軸的最大元素的索引。
argmin([axis, out, explicit])	返回沿軸的最小元素的索引。
asformat(format[, copy])	以傳遞的格式返回此陣列/矩陣。
astype(dtype[, casting, copy])	將陣列/矩陣元素強制轉換為指定的類型。
ceil()	元素級 ceil。
check_format([full_check])	檢查陣列/矩陣是否符合 BSR 格式。
conj([copy])	元素級複數共軛。
conjugate([copy])	元素級複數共軛。
copy()	返回此陣列/矩陣的副本。
count_nonzero([axis])	非零條目的數量，等效於
deg2rad()	元素級 deg2rad。
diagonal([k])	返回陣列/矩陣的第 k 條對角線。
dot(other)	普通點積
eliminate_zeros()	就地移除零元素。
expm1()	元素級 expm1。
floor()	元素級 floor。
log1p()	元素級 log1p。
max([axis, out, explicit])	返回陣列/矩陣的最大值或沿軸的最大值。
maximum(other)	此陣列/矩陣與另一個陣列/矩陣之間的元素級最大值。
mean([axis, dtype, out])	計算沿指定軸的算術平均值。
min([axis, out, explicit])	返回陣列/矩陣的最小值或沿軸的最大值。
minimum(other)	此陣列/矩陣與另一個陣列/矩陣之間的元素級最小值。
multiply(other)	與陣列/矩陣、向量或純量的逐點乘法。
nanmax([axis, out, explicit])	返回沿軸的最大值，忽略任何 Nan。
nanmin([axis, out, explicit])	返回沿軸的最小值，忽略任何 Nan。
nonzero()	陣列/矩陣的非零索引。
power(n[, dtype])	此函數執行元素級冪運算。
prune()	在所有非零元素之後移除空白空間。
rad2deg()	元素級 rad2deg。
reshape(self, shape[, order, copy])	為稀疏陣列/矩陣賦予新的形狀，而不更改其資料。
resize(*shape)	將陣列/矩陣就地調整大小為 shape 給定的維度
rint()	元素級 rint。
setdiag(values[, k])	設定陣列/矩陣的對角線或非對角線元素。
sign()	元素級 sign。
sin()	元素級 sin。
sinh()	元素級 sinh。
sort_indices()	就地排序此陣列/矩陣的索引
sorted_indices()	返回此陣列/矩陣的副本，其中索引已排序
sqrt()	元素級 sqrt。
sum([axis, dtype, out])	對給定軸上的陣列/矩陣元素求和。
sum_duplicates()	透過將重複的陣列/矩陣條目相加來消除它們
tan()	元素級 tan。
tanh()	元素級 tanh。
toarray([order, out])	返回此稀疏陣列/矩陣的密集 ndarray 表示形式。
tobsr([blocksize, copy])	將此陣列/矩陣轉換為區塊稀疏行格式。
tocoo([copy])	將此陣列/矩陣轉換為座標格式。
tocsc([copy])	將此陣列/矩陣轉換為壓縮稀疏列格式。
tocsr([copy])	將此陣列/矩陣轉換為壓縮稀疏行格式。
todense([order, out])	返回此稀疏陣列的密集表示形式。
todia([copy])	將此陣列/矩陣轉換為稀疏對角線格式。
todok([copy])	將此陣列/矩陣轉換為字典鍵格式。
tolil([copy])	將此陣列/矩陣轉換為列表列表格式。
trace([offset])	返回沿稀疏陣列/矩陣對角線的總和。
transpose([axes, copy])	反轉稀疏陣列/矩陣的維度。
trunc()	元素級 trunc。

__getitem__
__mul__