【问题标题】：How to replace columns in sparse Matrix Scipy如何替换稀疏矩阵 Scipy 中的列
【发布时间】：2017-10-21 03:34:39
【问题描述】：

我有一个二维维度相同的矩阵 A 和 B A - 是一个零矩阵，从 B 我想只取第一列并将第一个 A.col[0] 替换为 B.col[0]。

我写

data_sims = np.zeros((data.shape[0],data.shape[1]))
data_sims = sparse.csr_matrix(data_sims).tocoo()

我试过这样，但没用

data_sims.getcol(0).toarray = data.getcol(0).toarray()

我什至尝试使用 hstack，但又出现错误 “ValueError：blocks must be 2-D”但它们是相同的二维大小，我错过了什么？请帮帮我。

data_sims = hstack(data.getcol(0).toarray(),data_sims)

【问题讨论】：

标题听起来像是您试图更改稀疏矩阵中的值。但是您的示例正在尝试将稀疏矩阵中的值写入常规数组。

标签： python matrix scipy sparse-matrix

【解决方案1】：

“A”方法的简单教学示例

来到这里希望得到答案，并想尝试以下内容。我很高兴发现这种“numpy 直观的方法”奏效了。

import numpy as np
import scipy.sparse as ss

m1 = np.array([[1, 4, 7], [2, 5, 8], [3, 6, 9]])
m2 = np.array([[11, 14, 17], [12, 15, 18], [13, 16, 19]])

print(m1, '\n')
print(m2, '\n')

m1 = ss.csc_matrix(m1)
m2 = ss.csc_matrix(m2)

m1 = ss.hstack([m1[:, 0], m2[:, 1], m1[:, 2]])

print(m1.todense())

输出：

[[1 4 7]
 [2 5 8]
 [3 6 9]]

[[11 14 17]
 [12 15 18]
 [13 16 19]]

[[ 1 14  7]
 [ 2 15  8]
 [ 3 16  9]]

【讨论】：

【解决方案2】：

您创建了一个 2d numpy 零数组，而不是矩阵或稀疏矩阵。

In [782]: x = np.zeros((3,2),int)
In [783]: x.getcol(0)
....
AttributeError: 'numpy.ndarray' object has no attribute 'getcol'

这样的数组没有getcol方法；这是从稀疏矩阵中定义的东西。

您可以通过索引访问数组的列。结果是一个一维数组。如果要设置列，则需要提供兼容的值，例如另一个一维数组或正确长度的列表。

In [784]: x[:,0]
Out[784]: array([0, 0, 0])
In [785]: x[:,0] = [1,2,3]
In [786]: x
Out[786]: 
array([[1, 0],
       [2, 0],
       [3, 0]])

稀疏矩阵确实有一个getcol:

In [801]: M = sparse.csr_matrix([[1,0],[0,2],[2,0]])
In [802]: M
Out[802]: 
<3x2 sparse matrix of type '<class 'numpy.int32'>'
    with 3 stored elements in Compressed Sparse Row format>
In [803]: M.getcol(0)
Out[803]: 
<3x1 sparse matrix of type '<class 'numpy.int32'>'
    with 2 stored elements in Compressed Sparse Row format>
In [804]: M.getcol(0).toarray()
Out[804]: 
array([[1],
       [0],
       [2]], dtype=int32)
In [805]: x[:,0] = M.getcol(0).toarray()
....
ValueError: could not broadcast input array from shape (3,1) into shape (3)

因为M是一个稀疏矩阵，所以是2d的，而getcol也产生了一个2d的稀疏矩阵。即使转换为密集数组，结果也是 2d (3,1)。在这方面它模仿了np.matrix 子类。

根据广播规则，(3,) 与 (3,1) 不兼容。（(1,3) 是兼容的）。

ravel 或 flatten 更正：

In [806]: x[:,0] = M.getcol(0).toarray().ravel()
In [807]: x
Out[807]: 
array([[1, 0],
       [0, 0],
       [2, 0]])

csr 实现了索引，所以这也有效：

In [810]: x[:,0] = M[:,0].toarray().ravel()

对于coo 格式，例如Mo = M.tocoo()，getcol 是必须的。

还有其他匹配形状的方法。例如，如果 x 是 np.matrix 而不是数组，则其列选择将为 (3,1)

In [814]: X= np.matrix(x)
In [816]: X[:,0] = M[:,0].toarray()

使用列表、x[:,[0]] 或切片进行索引也会生成二维列。

在某种程度上，这与最近多次出现的数组/矩阵兼容性问题相同，但稀疏矩阵的使用增加了一个扭曲。

【讨论】：

【解决方案3】：

您可以将列分配给列：

from scipy import sparse
import numpy as np

# Target matrix
A = np.zeros((2, 2))

# Some sparse matrix
B = sparse.csr_matrix([[5, 6], [7, 8]]).tocoo()

# Assign the first column from B into A
A[:, 0] = B.tocsc()[:, 0].todense().ravel()

打印出来：

[[ 5.  0.]
 [ 7.  0.]]

【讨论】：