scipy 稀疏矩阵的条件切片

Question

抱歉，如果这是重复的。

我有另一个函数返回的大 coo_matrix（比如 x），我需要在 numpy 数组 a 中对匹配条件的行进行切片，具有相同的数量行和单个列（具有二进制值）。

我正在使用 scipy.sparse.hstack([x,a]) 将两者连接起来，以便执行类似这样的操作

x1 = x[x[:,-1] == 0]
x2 = x[x[:,-1] == 1]

但是失败并出现以下错误。

TypeError: 'coo_matrix' object is not subscriptable

x.toarray() 解决方案因 MemoryError.

而无效

有没有办法做到以上几点？最后我需要 coo_matrix 的切片矩阵。

Answer 1

制作一个随机的csr格式矩阵：

In [795]: M = sparse.random(20,10,.2,'csr')

获取最后一列的密集一维数组。（我不想要矩阵或矩阵中的二维数组）：

In [805]: M1 = M[:,-1].A.ravel()

现在我可以将其用作行掩码：

In [808]: M[M1==0,:]
Out[808]: 
<16x10 sparse matrix of type '<class 'numpy.float64'>'
    with 30 stored elements in Compressed Sparse Row format>
In [809]: M[M1>0,:]
Out[809]: 
<4x10 sparse matrix of type '<class 'numpy.float64'>'
    with 10 stored elements in Compressed Sparse Row format>

尝试使用稀疏列进行屏蔽无效：

M[M[:,-1]>0,:]
IndexError: Indexing with sparse matrices is not supported except boolean indexing where matrix and index are equal shapes.

csr 矩阵的索引是通过矩阵乘法完成的。索引变成了 1 和 0 的稀疏矩阵，乘法最终选择了所需的行。稀疏求和也是用乘法完成的。

lil 格式的行索引也很容易。

重新阅读您的问题，我建议将 x 和 a 分开。由于 a 已经是密集的，只需使用

M1 = a.ravel()    # if a is (n,1) array
M1 = a.A1         # if a is (n,1) np.matrix

制作 1d ndarray，如上文 [805] 所示。因为它有二进制值，你只对 0 vs 1

感兴趣

M1 = M1.astype(bool)

和

M[~M1,:]
M[M1,:]

对于两个子集。

同样，如果不清楚，我们无法索引 coo 格式矩阵。它必须是 csr 或 lil 格式。

scipy 稀疏矩阵的条件切片

conditional slicing of scipy sparse matrix

scipy

sparse-matrix