我使用Numpy在Python中使用以下代码:
p = np.diag(1.0 / np.array(x))
如何在不首先创建p2
的情况下对其进行转换以使稀疏矩阵p
具有与p
相同的值?
答案 0 :(得分:8)
使用scipy.sparse.spdiags
(这很多,因此最初可能会让人感到困惑),scipy.sparse.dia_matrix
和/或scipy.sparse.lil_diags
。 (取决于你想要稀疏矩阵的format ...)
E.g。使用spdiags
:
import numpy as np
import scipy as sp
import scipy.sparse
x = np.arange(10)
# "0" here indicates the main diagonal...
# "y" will be a dia_matrix type of sparse array, by default
y = sp.sparse.spdiags(x, 0, x.size, x.size)
答案 1 :(得分:1)
使用scipy.sparse模块,
p = sparse.dia_matrix(1.0 / np.array(x), shape=(len(x), len(x)));