可以/不能用于压缩稀疏行 (CSR) 矩阵的 numpy 函数答案

【问题标题】：numpy functions that can/cannot be used on a compressed sparse row (CSR) matrix可以/不能用于压缩稀疏行 (CSR) 矩阵的 numpy 函数
【发布时间】：2019-07-27 07:18:50
【问题描述】：

我是 Python 的新手，我有一个（可能非常幼稚）的问题。我有一个要处理的 CSR（压缩稀疏行）矩阵（我们将其命名为 M），并且看起来一些为 2d numpy 数组操作而设计的函数适用于我的矩阵，而另一些则没有。

例如，numpy.sum(M, axis=0) 工作正常，而 numpy.diagonal(M) 给出错误提示 {ValueError}diag requires an array of at least two dimensions。

那么为什么一个矩阵函数在M 上起作用而另一个不起作用的背后有什么理由吗？

还有一个额外的问题是，鉴于上述numpy.diagonal 不起作用，如何从 CSR 矩阵中获取对角线元素？

【问题讨论】：

一般情况下，尽可能使用sparse提供的功能和方法。稀疏矩阵不是ndarray 的子类，因此numpy 函数通常不适用于这些矩阵，尤其是当它们首先尝试将输入转换为数组时，例如np.asarray(yourmatrix).

标签： python numpy matrix sparse-matrix diagonal

【解决方案1】：

np.diagonal 的代码是：

return asanyarray(a).diagonal(offset=offset, axis1=axis1, axis2=axis2)

也就是说，它首先尝试将参数转换为数组，例如，如果它是列表的列表。但这不是将稀疏矩阵转换为ndarray 的正确方法。

In [33]: from scipy import sparse                                               
In [34]: M = sparse.csr_matrix(np.eye(3))                                       
In [35]: M                                                                      
Out[35]: 
<3x3 sparse matrix of type '<class 'numpy.float64'>'
    with 3 stored elements in Compressed Sparse Row format>
In [36]: M.A                                  # right                                  
Out[36]: 
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])
In [37]: np.asanyarray(M)                    # wrong                           
Out[37]: 
array(<3x3 sparse matrix of type '<class 'numpy.float64'>'
    with 3 stored elements in Compressed Sparse Row format>, dtype=object)

np.diagonal的正确使用方式是：

In [38]: np.diagonal(M.A)                                                       
Out[38]: array([1., 1., 1.])

但没必要。 M 已经有一个diagonal 方法：

In [39]: M.diagonal()                                                           
Out[39]: array([1., 1., 1.])

np.sum 确实有效，因为它将操作委托给一个方法（查看其代码）：

In [40]: M.sum(axis=0)                                                          
Out[40]: matrix([[1., 1., 1.]])
In [41]: np.sum(M, axis=0)                                                      
Out[41]: matrix([[1., 1., 1.]])

作为一般规则，请尝试在稀疏矩阵上使用sparse 函数和方法。不要指望numpy 函数正常工作。 sparse 建立在 numpy 之上，但 numpy 并不“了解”sparse。

【讨论】：