从 scipy CSR 稀疏矩阵访问值、列索引和 row_ptr 数据答案

【问题标题】：Access value, column index, and row_ptr data from scipy CSR sparse matrix从 scipy CSR 稀疏矩阵访问值、列索引和 row_ptr 数据
【发布时间】：2012-05-08 18:24:39
【问题描述】：

我有一个大矩阵，我想将其转换为稀疏 CSR 格式。

当我这样做时：

import scipy as sp
Ks = sp.sparse.csr_matrix(A)

print Ks

在 A 密集的地方，我得到

 (0, 0) -2116689024.0
 (0, 1) 394620032.0
 (0, 2) -588142656.0
 (0, 12)    1567432448.0
 (0, 14)    -36273164.0
 (0, 24)    233332608.0
 (0, 25)    23677192.0
 (0, 26)    -315783392.0
 (0, 45)    157961968.0
 (0, 46)    173632816.0

等等……

我可以使用以下方法获取行索引、列索引和值的向量：

Knz = Ks.nonzero()
sparserows = Knz[0]
sparsecols = Knz[1]

#The Non-Zero Value of K at each (Row,Col) 
vals = np.empty(sparserows.shape).astype(np.float)
for i in range(len(sparserows)):

    vals[i] = K[sparserows[i],sparsecols[i]]

但是是否有可能提取出应该包含在稀疏 CSR 格式（值、列索引、行指针）中的向量？

SciPy 的文档解释说，可以从这三个向量生成 CSR 矩阵，但我想做相反的事情，将这三个向量取出。

我错过了什么？

感谢您的宝贵时间！

【问题讨论】：

标签： python scipy sparse-matrix csr

【解决方案1】：

value = Ks.data
column_index = Ks.indices
row_pointers = Ks.indptr

我相信这些属性没有记录，这可能会使它们发生变化，但我已经在几个版本的 scipy 上使用了它们。

【讨论】：

但要小心。 indptr 是一个特殊的压缩格式数组。它与coo 格式的row 不同。 Ks.nonzero 首先将csr 数组转换为coo 格式，然后返回row 和col 数组。