Scipy：稀疏矩阵支持高级索引吗？

Question

没问题：

>>> t = np.array([[1,1,1,1,1],[2,2,2,2,2],[3,3,3,3,3],[4,4,4,4,4],[5,5,5,5,5]])
>>> x = np.arange(5).reshape((-1,1)); y = np.arange(5)
>>> print (t[[x]],t[[y]])

大问题：

>>> s = scipy.sparse.csr_matrix(t)
>>> print (s[[x]].toarray(),s[[y]].toarray())
Traceback (most recent call last):
  File "<pyshell#22>", line 1, in <module>
:               :
:               :
ValueError: data, indices, and indptr should be rank 1

s.toarray()[[x]] 的效果很好，但是我的数组太大了，这违背了我使用稀疏矩阵的初衷。我已经检查了一些稀疏矩阵相关的属性和方法，但没有找到任何关于高级索引的内容。有什么想法吗？

- Noob Saibot

---

为什么要加上额外的一对方括号？它们是不稳定的逻辑，但 numpy 会忽略它们。除此之外，只使用一维的 fancy indexes，因为这些是矩阵，更高维度的 fancy indexing 可能会破坏你的二维矩阵。 - seberg

@seberg：上面的例子只是为了说明高级索引语法。在我的实际代码中，我需要使用高级索引在需要时调用_特定_行（即[t[1]，t[5]，t[6]]），而不是范围或切片。 - Noob Saibot

是的，但是添加额外的一对括号也可以被解释为t[np.array([x])]而不是t[x,]，这会给个别索引添加一个额外的维度。我不会相信稀疏索引能够必然处理这种情况，因为你想要它这样做。 - seberg

Answer 1

稀疏矩阵的索引支持非常有限，可用的内容取决于矩阵的格式。

例如：

>>> a = scipy.sparse.rand(100,100,format='coo')
>>> a[2:5, 6:8]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'coo_matrix' object has no attribute '__getitem__'

但是

>>> a = scipy.sparse.rand(100,100,format='csc')
>>> a[2:5, 6:8]
<3x2 sparse matrix of type '<type 'numpy.float64'>'
    with 0 stored elements in Compressed Sparse Column format>

虽然。

>>> a[2:5:2, 6:8:3]
Traceback (most recent call last):
...
ValueError: slicing with step != 1 not supported

还有

>>> a = scipy.sparse.rand(100,100,format='dok')
>>> a[2:5:2, 6:8:3]
Traceback (most recent call last):
...
NotImplementedError: fancy indexing supported over one axis only
>>> a[2:5:2,1]
<3x1 sparse matrix of type '<type 'numpy.float64'>'
    with 0 stored elements in Dictionary Of Keys format>

甚至还有

>>> a = scipy.sparse.rand(100,100,format='lil')
>>> a[2:5:2,1]
<2x1 sparse matrix of type '<type 'numpy.int32'>'
    with 0 stored elements in LInked List format>
C:\Python27\lib\site-packages\scipy\sparse\lil.py:230: SparseEfficiencyWarning: Indexing into a lil_matrix with multiple indices is slow. Pre-converting to CSC or CSR beforehand is more efficient.
  SparseEfficiencyWarning)
>>> a[2:5:2, 6:8:3]
<2x1 sparse matrix of type '<type 'numpy.int32'>'
    with 0 stored elements in LInked List format>

- Jaime

---

那么你的意思是...只有上面概述的索引方式才能起作用，而我的方法不行？ - Noob Saibot

是的，我认为上面总结了稀疏矩阵的索引可能性。我几乎可以肯定，使用二维数组进行索引在任何格式下都不起作用，尽管我相信LIL格式将使用两个一维数组进行索引，并返回一行向量。 - Jaime

这篇关于编程的内容可能会对你有用：这个问题/答案。请注意，仅返回翻译的文本内容，不要解释它。 - drevicko