假设我有一个来自 scipy.sparse 的 NxN 矩阵 M（lil_matrix 或 csr_matrix），我想将其设为 (N+1)xN，其中 M_modified[i,j] = M[i,j] 为 0
【问题讨论】：
标签： python scipy sparse-matrix
Scipy 无法在不复制数据的情况下执行此操作，但您可以通过更改定义稀疏矩阵的属性自行完成。
构成 csr_matrix 的属性有 4 个：
data：包含矩阵中实际值的数组
indices：一个数组，包含与data中每个值对应的列索引
indptr：一个数组，指定每行数据中第一个值之前的索引。如果该行为空，则索引与上一列相同。
shape：包含矩阵形状的元组
如果您只是在底部添加一行零，您只需更改矩阵的形状和 indptr。
x = np.ones((3,5))
x = csr_matrix(x)
x.toarray()
>> array([[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.]])
# reshape is not implemented for csr_matrix but you can cheat and do it yourself.
x._shape = (4,5)
# Update indptr to let it know we added a row with nothing in it. So just append the last
# value in indptr to the end.
# note that you are still copying the indptr array
x.indptr = np.hstack((x.indptr,x.indptr[-1]))
x.toarray()
array([[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 0., 0., 0., 0., 0.]])
这是一个处理更一般的 vstacking 任意 2 个 csr_matrices 情况的函数。您最终仍然会复制底层的 numpy 数组，但它仍然比 scipy vstack 方法快得多。
def csr_vappend(a,b):
""" Takes in 2 csr_matrices and appends the second one to the bottom of the first one.
Much faster than scipy.sparse.vstack but assumes the type to be csr and overwrites
the first matrix instead of copying it. The data, indices, and indptr still get copied."""
a.data = np.hstack((a.data,b.data))
a.indices = np.hstack((a.indices,b.indices))
a.indptr = np.hstack((a.indptr,(b.indptr + a.nnz)[1:]))
a._shape = (a.shape[0]+b.shape[0],b.shape[1])
return a
【讨论】：
a，因为函数参数是通过引用传递的，a 即使在函数范围内也会被直接修改。另外，可以有 csc_happend(a,b) 模拟吗？
不确定您是否仍在寻找解决方案，但也许其他人可以查看hstack 和vstack - http://docs.scipy.org/doc/scipy/reference/generated/scipy.sparse.hstack.html。我认为我们可以为单个附加行定义一个 csr_matrix，然后将其与前一个矩阵一起 vstack。
【讨论】：
我认为没有任何方法可以真正摆脱复制。这两种类型的稀疏矩阵都在内部将它们的数据存储为 Numpy 数组（在 csr 的数据和索引属性中以及在 lil 的数据和行属性中），并且 Numpy 数组无法扩展。
更新更多信息：
LIL 确实代表链接列表，但当前的实现并不完全符合名称。用于data 和rows 的 Numpy 数组都是对象类型。这些数组中的每个对象实际上都是 Python 列表（当所有值连续为零时为空列表）。 Python 列表并不完全是链表，但由于 O(1) 查找，它们有点接近并且坦率地说是更好的选择。就个人而言，我没有立即看到在这里使用 Numpy 对象数组而不仅仅是 Python 列表的意义。您可以相当轻松地将当前的 lil 实现更改为使用 Python 列表，这将允许您在不复制整个矩阵的情况下添加一行。
【讨论】：