将 numpy 矩阵转换为一维 numpy 数组

Question

我有一个 csr_matrix 一维的和，returns 一个一维向量。默认情况下，类型 numpy.matrix 具有形状 (1, N)。但是，我想用形状为 (N,) 的 numpy.array 来表示它。以下作品：

>>> import numpy as np; import scipy.sparse as sparse
>>> a = sparse.csr_matrix([[0,1,0,0],[1,0,0,0],[0,1,2,0]])
>>> a
Out[15]: 
<3x4 sparse matrix of type '<class 'numpy.int64'>'
    with 4 stored elements in Compressed Sparse Row format>
>>> a.todense()
Out[16]: 
matrix([[0, 1, 0, 0],
        [1, 0, 0, 0],
        [0, 1, 2, 0]], dtype=int64)
>>> a.sum(axis=0)
Out[17]: matrix([[1, 2, 2, 0]], dtype=int64)
>>> np.array(a.sum(axis=0)).ravel()
Out[18]: array([1, 2, 2, 0], dtype=int64)

但是，对于从 numpy 矩阵到 numpy 数组的转换，这最后一步似乎有点矫枉过正。我是否缺少可以为我执行此操作的功能？它应该通过以下单元测试。

def test_conversion(self):
    a = sparse.csr_matrix([[0,1,0,0],[1,0,0,0],[0,1,2,0]])
    r = a.sum(axis=0)
    e = np.array([1, 2, 2, 0])
    np.testing.assert_array_equal(r, e)

Answer 1

我不确定这是否与您所做的本质上相同，但它看起来稍微整洁一些：

a.sum(axis=0).A1

http://docs.scipy.org/doc/numpy/reference/generated/numpy.matrix.A1.html#numpy.matrix.A1

Answer 2

类型 numpy.matrix 已经是 numpy.ndarray 的子类，因此不需要进行转换：

>>> np.ravel(a.sum(axis=0))
array([1, 2, 2, 0])

Answer 3

将 n 维数组转换为一维数组的简单 numpy hack。

import numpy as np 
a = np.array([[1],[2]])

array([[1] [2]])

a.reshape(len(a))

array([1, 2])

将 numpy 矩阵转换为一维 numpy 数组

Convert numpy matrix into 1D numpy array

python

numpy

matrix

scipy