重塑scipy csr矩阵

如果可以尽早发现问题,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)

你也可以 hstack 在垫子上。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公司 使用 sparse.bmat 。它结合了 coo 属性,并生成新的 首席运营官 矩阵

这个 reshape() 方法将与一起使用 csr_matrix 即将发布的scipy 1.1中的对象。同时,您可以在 Reshape sparse matrix efficiently, Python, SciPy 0.12 用于重塑稀疏矩阵。

但是,您的示例不起作用,因为您正在尝试将具有形状(3,2)的数组重塑为具有形状(3,5)的数组。链接到上面的代码和稀疏 重塑() 方法遵循与 重塑() numpy数组的方法: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,但这也是scipy 1.1的一个新特性,因此尚未发布。

相反,可以按如下方式构造新的稀疏矩阵:

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)