可以/不能在压缩稀疏行(CSR)矩阵上使用的numpy函数

的代码 np.diagonal 是:

return asanyarray(a).diagonal(offset=offset, axis1=axis1, axis2=axis2)

ndarray .

In [33]: from scipy import sparse                                               
In [34]: M = sparse.csr_matrix(np.eye(3))                                       
In [35]: M                                                                      
Out[35]: 
<3x3 sparse matrix of type '<class 'numpy.float64'>'
    with 3 stored elements in Compressed Sparse Row format>
In [36]: M.A                                  # right                                  
Out[36]: 
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])
In [37]: np.asanyarray(M)                    # wrong                           
Out[37]: 
array(<3x3 sparse matrix of type '<class 'numpy.float64'>'
    with 3 stored elements in Compressed Sparse Row format>, dtype=object)

正确的使用方法 np.对角线

In [38]: np.diagonal(M.A)                                                       
Out[38]: array([1., 1., 1.])

但没必要这样。 M 已经有一个 diagonal 方法:

In [39]: M.diagonal()                                                           
Out[39]: array([1., 1., 1.])

np.sum

In [40]: M.sum(axis=0)                                                          
Out[40]: matrix([[1., 1., 1.]])
In [41]: np.sum(M, axis=0)                                                      
Out[41]: matrix([[1., 1., 1.]])

一般来说,尽量使用 sparse numpy 功能正常工作。 是建立在 努比 努比 稀疏