重塑 scipy csr 矩阵答案

【问题标题】：reshape scipy csr matrix重塑 scipy csr 矩阵
【发布时间】：2018-04-29 15:21:23
【问题描述】：

如何有效地重塑和 scipy.sparse csr_matrix？

我需要在最后添加零行。使用：

from scipy.sparse import csr_matrix
data = [1,2,3,4,5,6]
col = [0,0,0,1,1,1]
row = [0,1,2,0,1,2]
a = csr_matrix((data, (row, col)))
a.reshape(3,5)

我收到此错误：

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/local/lib/python3.5/dist-packages/scipy/sparse/base.py", line 129, in reshape
self.__class__.__name__)
NotImplementedError: Reshaping not implemented for csr_matrix.

【问题讨论】：

标签： scipy sparse-matrix reshape

【解决方案1】：

如果您能及早发现问题，只需包含一个形状参数：

In [48]: a = csr_matrix((data, (row, col)))
In [49]: a
Out[49]: 
<3x2 sparse matrix of type '<class 'numpy.int64'>'
    with 6 stored elements in Compressed Sparse Row format>
In [50]: a = csr_matrix((data, (row, col)),shape=(3,5))
In [51]: a
Out[51]: 
<3x5 sparse matrix of type '<class 'numpy.int64'>'
    with 6 stored elements in Compressed Sparse Row format>
In [52]: a.A
Out[52]: 
array([[1, 4, 0, 0, 0],
       [2, 5, 0, 0, 0],
       [3, 6, 0, 0, 0]], dtype=int64)

您也可以在平板电脑上hstack。确保它是稀疏版本：

In [59]: z = sparse.coo_matrix(np.zeros((3,3)))
In [60]: z
Out[60]: 
<3x3 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in COOrdinate format>
In [61]: sparse.hstack((a,z))
Out[61]: 
<3x5 sparse matrix of type '<class 'numpy.float64'>'
    with 6 stored elements in COOrdinate format>
In [62]: _.A
Out[62]: 
array([[1., 4., 0., 0., 0.],
       [2., 5., 0., 0., 0.],
       [3., 6., 0., 0., 0.]])

hstack 使用sparse.bmat。这结合了 2 个数组的 coo 属性，并创建了一个新的 coo 矩阵。

【讨论】：

我不知道我可以使用 sparse.hstack()。事实上，我需要的是 sparse.vstack()，但感谢这个想法！它有效！

【解决方案2】：

reshape() 方法将与即将发布的 scipy 1.1 中的 csr_matrix 对象一起使用。同时，您可以尝试Reshape sparse matrix efficiently, Python, SciPy 0.12 的代码来重塑稀疏矩阵。

但是，您的示例不起作用，因为您正试图将形状为 (3, 2) 的数组重塑为形状为 (3, 5) 的数组。上面链接的代码和稀疏的reshape() 方法遵循与numpy 数组的reshape() 方法相同的规则：您不能更改数组的总大小。

如果要更改总大小，最终可以使用resize() 方法（就地操作），但这也是 scipy 1.1 的新特性，因此尚未发布。

相反，您可以构造一个新的稀疏矩阵，如下所示：

In [57]: b = csr_matrix((a.data, a.indices, a.indptr), shape=(3, 5))

In [58]: b.shape
Out[58]: (3, 5)

In [59]: b.A
Out[59]: 
array([[1, 4, 0, 0, 0],
       [2, 5, 0, 0, 0],
       [3, 6, 0, 0, 0]], dtype=int64)

【讨论】：