创建块矩阵/数组时为何报错？（SciPy与NumPy相关）

报错原因 #

你遇到的ValueError: row, column, and data arrays must be 1-D，核心问题是**data参数格式不符合BSR矩阵要求**：

• 虽然BSR支持块矩阵，但data需要是三维NumPy数组（形状为(块数量, 块行数, 块列数)），而非Python列表包裹的二维数组。
• 你传入的[M1, M2]是列表，SciPy无法将其识别为合法的块数据结构，因此触发维度检查错误。

修正后的BSR矩阵代码 #

将data转换为三维NumPy数组即可修复报错，同时确保row/col为NumPy数组（避免隐式类型问题）：

import scipy as sp
import numpy as np

def H1(M1, M2, N):
    # 将多个块堆叠为三维数组：(2, 2, 2) → 2个块，每个块2×2
    data = np.stack([M1, M2])
    row = np.array([0, 1])  # 块对应的行索引（每个块占2行）
    col = np.array([0, 0])  # 块对应的列索引（每个块占2列）
    blocksize = (2, 2)
    # 注意：N必须是blocksize的整数倍（这里6=2×3，符合要求）
    return sp.sparse.bsr_matrix((data, (row, col)), blocksize=blocksize, shape=(N, N)).toarray()

M1 = np.array([[1,1], [1,1]])
M2 = np.array([[2,2], [2,2]])
print(H1(M1, M2, 6))

300×300块矩阵的更优实现 #

针对你沿主对角线放置M1、M1下方放置M2的需求，推荐利用稀疏矩阵的块操作工具，既高效又简洁：

场景1：主对角线全为M1，下方次对角线全为M2 #

如果是要构建主对角线有150个M1（300/2=150），每个M1正下方对应位置放M2，可通过以下方式实现：

import scipy.sparse as sps
import numpy as np

M1 = np.array([[1,1],[1,1]])
M2 = np.array([[2,2],[2,2]])
block_count = 150  # 300×300矩阵对应150个2×2块

# 构建主对角线的M1块矩阵
diag_matrix = sps.block_diag([M1]*block_count, format='bsr')

# 构建下方次对角线的M2块矩阵
off_diag_data = np.stack([M2]*(block_count-1))
off_diag_row = np.arange(1, block_count)
off_diag_col = np.arange(block_count-1)
off_diag_matrix = sps.bsr_matrix(
    (off_diag_data, (off_diag_row, off_diag_col)),
    blocksize=(2,2),
    shape=(300,300)
)

# 合并两个稀疏矩阵
result = diag_matrix + off_diag_matrix

# 如需查看稠密矩阵，执行：print(result.toarray())

场景2：仅单个M1在对角、单个M2在其下方 #

如果只需要在(0-1行,0-1列)放M1，(2-3行,0-1列)放M2，其余为0，直接用修正后的BSR代码即可，注意保持N=300，此时除指定块外其余位置均为0，稀疏矩阵存储会比稠密矩阵节省大量内存。

内容的提问来源于stack exchange，提问作者user971706