稀疏矩阵可视化

Question

我正在从事 FEM 分析。我只是想评估一个简单的矩阵乘法并查看数值结果。如何查看稀疏矩阵的元素？

我用过的代码是：

U_h= 0.5 * np.dot(np.dot(U[np.newaxis], K), U[np.newaxis].T)

由于 U 是 1x3 矩阵，K 是 3x3 矩阵，U.T 是 3x1 矩阵，我希望 1x1 矩阵中只有一个数字。但是，结果是“[[<3x3 稀疏矩阵类型 'class 'numpy.float64' 具有压缩稀疏行格式的 3 个存储元素>]]”

Answer 1

In [260]: M = sparse.random(5,5,.2, format='csr')

得到的是矩阵的repr格式：

In [261]: M                                                                          
Out[261]: 
<5x5 sparse matrix of type '<class 'numpy.float64'>'
    with 5 stored elements in Compressed Sparse Row format>
In [262]: repr(M)                                                                    
Out[262]: "<5x5 sparse matrix of type '<class 'numpy.float64'>'\n\twith 5 stored elements in Compressed Sparse Row format>"

打印使用的str格式为：

In [263]: print(M)                                                                   
  (1, 0)    0.7152749140462651
  (1, 1)    0.4298096228326874
  (1, 3)    0.8148327301300698
  (4, 0)    0.23366934073409018
  (4, 3)    0.6117499168861333
In [264]: str(M)                                                                     
Out[264]: '  (1, 0)\t0.7152749140462651\n  (1, 1)\t0.4298096228326874\n  (1, 3)\t0.8148327301300698\n  (4, 0)\t0.23366934073409018\n  (4, 3)\t0.6117499168861333'

如果矩阵不大，将其显示为密集数组很好。 M.toarray() 这样做，或者简称：

In [265]: M.A                                                                        
Out[265]: 
array([[0.        , 0.        , 0.        , 0.        , 0.        ],
       [0.71527491, 0.42980962, 0.        , 0.81483273, 0.        ],
       [0.        , 0.        , 0.        , 0.        , 0.        ],
       [0.        , 0.        , 0.        , 0.        , 0.        ],
       [0.23366934, 0.        , 0.        , 0.61174992, 0.        ]])

Answer 2

图形检查使用 plt.spy()
查看应用示例
参见参考手册here

稀疏矩阵可视化

Sparse matrix visualisation

numpy

scipy

sparse-matrix