Python: scipy.sparse.diags矩阵中的元素分配
Python: scipy.sparse.diags矩阵中的元素分配
提问于 2015-07-08 16:31:45
目前，我正在尝试更改使用scipy.sparse.diags函数创建的矩阵中的一行。但是，它返回以下错误，说明我不能为该对象赋值：
TypeError: 'dia_matrix' object does not support item assignment有什么办法可以绕过这一点，而不需要改变原来的向量，用来形成三对角矩阵？以下是我的代码：
def Mass_Matrix(x0):
"""Finds the Mass matrix for any non uniform mesh x0"""
x0 = np.array(x0)
N = len(x0) - 1
h = x0[1:] - x0[:-1]
a = np.zeros(N+1)
a[0] = h[0]/3
for j in range(1,N):
a[j] = h[j-1]/3 + h[j]/3
a[N] = h[N-1]/3
b = h/6
c = h/6
data = [a.tolist(), b.tolist(), c.tolist()]
Positions = [0,1,-1]
Mass_Matrix = diags(data, Positions, (N+1,N+1))
return Mass_Matrix
def Initial_U(x0): #BC here
x0 = np.array(x0)
h = x0[1:] - x0[:-1]
N = len(x0) - 1
Mass = Mass_Matrix(x0)
Mass[0] = 0 #ITEM ASSIGNMENT ERROR
print Mass.toarray()Stack Overflow用户
回答已采纳
发布于 2015-07-09 04:23:56
对于用函数定义的稀疏矩阵：
x0=np.arange(10)
mm=Mass_Matrix(x0)csr格式通常用于计算，如矩阵乘法和直线求解。它确实定义了赋值，但是给出了一个效率警告：
In [29]: mmr=mm.tocsr()
In [30]: mmr[0]=0
/usr/lib/python3/dist-packages/scipy/sparse/compressed.py:690: SparseEfficiencyWarning: Changing the sparsity structure of a csr_matrix is expensive. lil_matrix is more efficient.
SparseEfficiencyWarning)lil工作很好
In [31]: mml=mm.tolil()
In [32]: mml[0]=0许多sparse函数和方法将一种格式转换为另一种格式，以利用它们各自的优势。但是开发人员并没有实现所有可能的组合。您需要阅读各种格式的优缺点，并注意每种格式的方法。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/31298518
复制相关文章
相似问题
腾讯云开发者
