稀疏矩阵：如果行的总和低于 X (Scipy)，则删除行

Question

假设我有以下稀疏矩阵：

from scipy.sparse import coo_matrix
m = coo_matrix(([1,1,1,3,2], ([1,2,2,3,4],[1,1,2,3,3])))
print(m.toarray())

>>> array([[0, 0, 0, 0],
>>>       [0, 1, 0, 0],
>>>       [0, 1, 1, 0],
>>>       [0, 0, 0, 3],
>>>       [0, 0, 0, 2]])

我只想保留总和大于 1 的行。我认为以下方法可行。

csr = m.tocsr()
csr[(csr.sum(1) > 1)]

但它没有。相反，我必须对 numpy 数组进行转换（使用 squeeze）：

csr = m.tocsr()
csr = csr[np.asarray(csr.sum(1) > 1).squeeze()]
csr.toarray()

所以，我得到了我想要的：

array([[0, 1, 1, 0],
       [0, 0, 0, 3],
       [0, 0, 0, 2]], dtype=int64)

有没有更直接的方法？

我知道有类似的答案，例如 在检查了this one之类的其他答案后，但在他们的情况下（使用M.getnnz(1)>0），该函数直接返回一个数组。

Answer 1

看细节：

In [803]: m = sparse.csr_matrix(([1,1,1,3,2], ([1,2,2,3,4],[1,1,2,3,3])))                              
In [804]: m                                                                                            
Out[804]: 
<5x4 sparse matrix of type '<class 'numpy.longlong'>'
    with 5 stored elements in Compressed Sparse Row format>
In [805]: m.A                                                                                          
Out[805]: 
array([[0, 0, 0, 0],
       [0, 1, 0, 0],
       [0, 1, 1, 0],
       [0, 0, 0, 3],
       [0, 0, 0, 2]], dtype=int64)
In [806]: m.sum(axis=1)                                                                                
Out[806]: 
matrix([[0],
        [1],
        [2],
        [3],
        [2]])

sum on ndarray 会减小尺寸（除非设置了 keepdims）。但是sparse 复制np.matrix，并保留尺寸。所以结果是一个 (5,1) 矩阵。

np.matrix 有一个array/ravel 步骤的缩写：

In [807]: m.sum(axis=1).A1                                                                             
Out[807]: array([0, 1, 2, 3, 2])

以及索引：

In [811]: m[m.sum(axis=1).A1>1,:]                                                                      
Out[811]: 
<3x4 sparse matrix of type '<class 'numpy.longlong'>'
    with 4 stored elements in Compressed Sparse Row format>
In [812]: _.A                                                                                          
Out[812]: 
array([[0, 1, 1, 0],
       [0, 0, 0, 3],
       [0, 0, 0, 2]], dtype=int64)

我在其他地方提到过csr 矩阵索引（通常）使用“提取矩阵”和矩阵乘法。考虑到数据的存储方式，这是稳健且合理的，但它不如密集数组索引那么快或强大。

有时我们通过作用于矩阵的基本属性data、indices 和indptr 来提高速度。但这需要对这种表示有更多的了解，所以我不会在这里详细介绍。