scipy.sparse.

diags

scipy.sparse.diags(diagonals, offsets=0, shape=None, format=None, dtype=None)

从对角线构造一个稀疏矩阵。

警告

此函数返回一个稀疏矩阵 – 而不是稀疏数组。建议使用 diags_array 以利用稀疏数组功能。

参数:

对角线类似数组的序列

包含矩阵对角线的数组序列，对应于 offsets。

偏移量整数序列或单个整数，可选

要设置的对角线：

• k = 0 主对角线（默认）

• k > 0 第 k 条上对角线

• k < 0 第 k 条下对角线

形状整数元组，可选

结果的形状。如果省略，将返回一个足够大的方形矩阵以包含对角线。

格式{“dia”, “csr”, “csc”, “lil”, …}, 可选

结果的矩阵格式。默认情况下（format=None），将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。

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

注释

此函数与 spdiags 在处理非对角线元素的方式上有所不同。

diags 的结果是以下内容的稀疏等价物:

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

不允许重复的对角偏移。

Added in version 0.11.

示例

Try it in your browser!

>>> 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]])

标量的广播是被支持的（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.]])

如果只需要一条对角线（如 numpy.diag 中），以下方法同样适用：

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

Go BackOpen In Tab