用布尔数组索引 SciPy 稀疏矩阵答案

【问题标题】：Index a SciPy sparse matrix with an array of booleans用布尔数组索引 SciPy 稀疏矩阵
【发布时间】：2011-09-18 11:59:31
【问题描述】：

NumPy 数组可以使用布尔数组进行索引，以选择与 True 条目对应的行：

>>> X = np.array([[1,2,3], [4,5,6], [7,8,9]])
>>> rows = np.array([True,False,True])
>>> X[rows]
array([[1, 2, 3],
       [7, 8, 9]])
>>> X[np.logical_not(rows)]
array([[4, 5, 6]])

但这对于 SciPy 稀疏矩阵似乎是不可能的；索引被视为数字索引，因此False 选择第 0 行，True 选择第 1 行。如何获得类似 NumPy 的行为？

【问题讨论】：

标签： python indexing numpy scipy sparse-matrix

【解决方案1】：

您可以在布尔数组上使用np.nonzero（或ndarray.nonzero）来获取相应的数字索引，然后使用这些索引来访问稀疏矩阵。由于与密集矩阵ndarrays 相比，稀疏矩阵上的“花式索引”非常有限，因此您需要解压缩nonzero 返回的行元组，并指定要使用: 切片检索所有列：

>>> rows.nonzero()
(array([0, 2]),)
>>> indices = rows.nonzero()[0]
>>> indices
array([0, 2])
>>> sparse[indices, :]
<2x100 sparse matrix of type '<type 'numpy.float64'>'
        with 6 stored elements in LInked List format>

【讨论】：

如果您将索引中的rows.nonzero() 更改为rows.nonzero()[0] 为X，我会接受这个答案。即使没有scipy-user 上建议的:，它似乎也能工作。
索引也适用于元组，至少对于“普通”ndarrays。对于多维索引，不能使用nonzero()[0]。
不适用于 SciPy 稀疏矩阵：IndexError: tuple index out of range.
好的，我玩了一些稀疏矩阵并更新了答案。似乎您确实需要: 切片，否则对于rows = (0, 2)，您将不会获得子矩阵，而只会获得(0, 2) 处的单个元素。
还有numpy.flatnonzero(bools) 可以替代bools.nonzero()[0]。像 csr 这样设计用于行切片的稀疏矩阵是否有原因无法处理行的布尔索引？