qiskit_noise_learning.math.IndexedMatrix

class qiskit_noise_learning.math.IndexedMatrix(row_index_map: Mapping[RowIndex, int] | None = None, column_index_map: Mapping[ColumnIndex, int] | None = None, data: ndarray | sparray | None = None)

GitHub

Basi: Generic[RowIndex, ColumnIndex]

Una matrice con elementi di tipo float e indici di riga e colonna arbitrari.

Le voci vengono memorizzate come array CSR di SciPy (data). È possibile ottenere una rappresentazione densa tramite toarray().

Parametri

row_index_map – Una mappatura dagli indici delle righe agli assi delle righe interi di data.
column_index_map – Una mappatura dagli indici delle colonne agli assi delle colonne interi di data.
dati – L'array corrispondente agli indici di riga e colonna specificati, denso o sparso.

Aumenti

ValueError : se la forma di non è data coerente con i valori di o row_index_map column_index_map.

init

__init__(row_index_map: Mapping[RowIndex, int] | None = None, column_index_map: Mapping[ColumnIndex, int] | None = None, data: ndarray | sparray | None = None)

Metodi

Rubrica 1	Rubrica 2
`__init__`([row_index_map, column_index_map, data])
`add_rows`(indici_riga, righe[, tol])	Aggiungi righe alla matrice.
`copy`()	Restituisce una copia di se stesso.
`from_index_lists`(indici_riga,...)	Costruisci a partire da elenchi ordinati di indici di riga e colonna.
`from_rows`(indici_riga, righe[, tol])	Costruire a partire dagli indici delle righe e dalle relative `IndexedVector` righe sparse.
`linearly_independent_rows`([tol])	Restituisce una sottomatrice contenente l'insieme massimo di righe linearmente indipendenti.
`toarray`()	Restituisce i dati numerici come matrice densa `ndarray`.

Attributi

Rubrica 1	Rubrica 2
`column_index_map`	Dizionario che associa gli indici delle colonne al valore intero dell'asse delle colonne di `self.data`.
`data`	I dati numerici, sotto forma di array CSR di SciPy.
`rank`	Il grado della matrice.
`row_index_map`	Dizionario che associa gli indici delle righe al valore intero dell'asse delle righe di `self.data`.
`shape`	La forma della matrice.

from_index_lists

classmethod from_index_lists(row_indices: Sequence[RowIndex], column_indices: Sequence[ColumnIndex], data: ndarray) → Self

Costruisci a partire da elenchi ordinati di indici di riga e colonna.

Parametri

row_indices – L'elenco degli indici delle righe per gli assi delle righe di data.
column_indices – L'elenco degli indici delle colonne per gli assi delle colonne di data.
dati – La matrice dei dati.

Risultati

Un IndexedMatrix le cui mappe degli indici di riga e colonna sono costruite a partire da e row_indices column_indices.

from_rows

classmethod from_rows(row_indices: Sequence[RowIndex], rows: Sequence[IndexedVector[ColumnIndex]], tol: float = 1e-08) → Self

Costruire a partire dagli indici delle righe e dalle relative IndexedVector righe sparse.

Parametri

row_indices – L'indice di ciascuna riga.
righe – Le righe sparse, ad IndexedVector esempio.
tol – Tolleranza al di sotto della quale i valori delle righe vengono considerati come 0.0.

Risultati

Una matrice IndexedMatrix contenente le righe (diverse da zero).

row_index_map

Tipo: dict[RowIndex, int]

Dizionario che associa gli indici delle righe al valore intero dell'asse delle righe di self.data.

column_index_map

Tipo: dict[ColumnIndex, int]

Dizionario che associa gli indici delle colonne al valore intero dell'asse delle colonne di self.data.

data

Tipo: csr_array

I dati numerici, sotto forma di array CSR di SciPy. Utilizza toarray() per ottenere una copia densa.

toarray

toarray() → ndarray

Restituisce i dati numerici come matrice densa ndarray.

shape

Tipo: tuple[int, int]

La forma della matrice.

rank

Tipo: int

Il grado della matrice.

add_rows

add_rows(row_indices: list[RowIndex], rows: list[IndexedVector[ColumnIndex]], tol=1e-08)

Aggiungi righe alla matrice.

Parametri

row_indices – Un elenco di indici relativi alle righe.
righe – L'elenco delle righe.
tol – Tolleranza al di sotto della quale i valori in rows sono considerati pari a 0.0.

Aumenti

ValueError : se un indice di riga è duplicato in row_indices o è già presente in questa istanza.
ValueError : se il numero degli indici delle righe non corrisponde al numero delle righe.

linearly_independent_rows

linearly_independent_rows(tol=1e-08) → Self

Restituisce una sottomatrice contenente l'insieme massimo di righe linearmente indipendenti.

Le righe vengono elaborate in ordine (in base agli indici in self.row_index_map): una riga viene mantenuta se e solo se è linearmente indipendente da tutte le righe precedenti che sono state mantenute. Ciò garantisce che le righe precedenti abbiano sempre la precedenza.

Parametri

tol – La tolleranza utilizzata per determinare l'indipendenza lineare in base alla norma della componente di una riga ortogonale allo spazio generato dalle righe precedenti conservate.

copy

copy() → Self

Restituisce una copia di se stesso.

Questa pagina è stata utile?

Segnala un bug, un errore di battitura o richiedi contenuti su GitHub.