Vous êtes un professionnel et vous avez besoin d'une formation ?
Mise en oeuvre d'IHM
avec Qt et PySide6
Voir le programme détaillé
Module « scipy.sparse »
Signature de la fonction block_array
def block_array(blocks, *, format=None, dtype=None)
Description
help(scipy.sparse.block_array)
Build a sparse array from sparse sub-blocks
Parameters
----------
blocks : array_like
Grid of sparse arrays with compatible shapes.
An entry of None implies an all-zero array.
format : {'bsr', 'coo', 'csc', 'csr', 'dia', 'dok', 'lil'}, optional
The sparse format of the result (e.g. "csr"). By default an
appropriate sparse array format is returned.
This choice is subject to change.
dtype : dtype, optional
The data-type of the output array. If not given, the dtype is
determined from that of `blocks`.
Returns
-------
block : sparse array
See Also
--------
block_diag : specify blocks along the main diagonals
diags : specify (possibly offset) diagonals
Examples
--------
>>> from scipy.sparse import coo_array, block_array
>>> A = coo_array([[1, 2], [3, 4]])
>>> B = coo_array([[5], [6]])
>>> C = coo_array([[7]])
>>> block_array([[A, B], [None, C]]).toarray()
array([[1, 2, 5],
[3, 4, 6],
[0, 0, 7]])
>>> block_array([[A, None], [None, C]]).toarray()
array([[1, 2, 0],
[3, 4, 0],
[0, 0, 7]])
Vous êtes un professionnel et vous avez besoin d'une formation ?
Machine Learning
avec Scikit-Learn
Voir le programme détaillé
Améliorations / Corrections
Vous avez des améliorations (ou des corrections) à proposer pour ce document : je vous remerçie par avance de m'en faire part, cela m'aide à améliorer le site.
Emplacement :
Description des améliorations :