scipy.sparse.

bmat#

scipy.sparse.bmat(blocks, format=None, dtype=None)[Quelle]#

Erstellt ein Sparse-Array oder eine Sparse-Matrix aus Sparse-Teilblöcken

Hinweis: block_array wird bmat vorgezogen. Sie sind dieselbe Funktion, mit der Ausnahme, dass bmat eine veraltete Sparse-Matrix zurückgibt, wenn keiner der Eingaben Sparse-Arrays sind.

Warnung

Diese Funktion gibt eine Sparse-Matrix zurück, wenn keine Eingaben Sparse-Arrays sind. Sie werden ermutigt, block_array zu verwenden, um die Funktionalität von Sparse-Arrays zu nutzen.

Parameter:

blocksarray_like: Gitter von Sparse-Matrizen mit kompatiblen Formen. Ein Eintrag von None impliziert eine Null-Matrix.
format{‘bsr’, ‘coo’, ‘csc’, ‘csr’, ‘dia’, ‘dok’, ‘lil’}, optional: Das Sparse-Format des Ergebnisses (z. B. „csr“). Standardmäßig wird ein geeignetes Sparse-Matrix-Format zurückgegeben. Diese Wahl kann sich ändern.
dtypedtype, optional: Der Datentyp der Ausgabematrix. Wenn nicht angegeben, wird der dtype aus dem von blocks bestimmt.

Rückgabe:

bmatsparse matrix or array

Wenn einer der Blöcke in `blocks` ein Sparse-Array ist, wird ein Sparse-Array zurückgegeben. Andernfalls wird eine Sparse-Matrix zurückgegeben.

Wenn Sie ein Sparse-Array aus Blöcken erstellen möchten, die keine Sparse-Arrays sind, verwenden Sie block_array().

Siehe auch

block_array

Beispiele

>>> from scipy.sparse import coo_array, bmat
>>> A = coo_array([[1, 2], [3, 4]])
>>> B = coo_array([[5], [6]])
>>> C = coo_array([[7]])
>>> bmat([[A, B], [None, C]]).toarray()
array([[1, 2, 5],
       [3, 4, 6],
       [0, 0, 7]])

>>> bmat([[A, None], [None, C]]).toarray()
array([[1, 2, 0],
       [3, 4, 0],
       [0, 0, 7]])