如何将 scipy 行矩阵转换为 numpy 数组

Question

考虑以下示例：

import numpy as np
import scipy.sparse

A = scipy.sparse.csr_matrix((2,2))
b = A.sum(axis=0)

矩阵b 现在具有格式

matrix([[ 0.,  0.]])

但是，我希望它变成这样的数组：

array([ 0.,  0.])

这可以由b = np.asarray(b)[0] 完成，但这似乎不是很优雅，尤其是与 MATLAB 的b(:) 相比。有没有更优雅的方法来做到这一点？

Answer 1

这里有不同的选择。例如，您可以首先将矩阵b 转换为二维数组。然后您需要将其转换为一维数组。这可以通过 NumPy 的squeeze 或reshape 轻松完成：

In [208]: np.asarray(b).squeeze()
Out[208]: array([ 0.,  0.])

In [209]: np.asarray(b).reshape((b.size,))
Out[209]: array([ 0.,  0.])

或者，您可以按照@Warren Weckesser 的评论中的建议将A 转换为数组。这样就没有必要进一步转换b:

In [210]: A.toarray().sum(axis=0)
Out[210]: array([ 0.,  0.])

Answer 2

b.A1 将完成这项工作。

In [83]: A
Out[83]: 
<2x2 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in Compressed Sparse Row format>

In [84]: A.A
Out[84]: 
array([[ 0.,  0.],
       [ 0.,  0.]])

In [85]: b=A.sum(axis=0)

In [86]: b
Out[86]: matrix([[ 0.,  0.]])

In [87]: b.A1
Out[87]: array([ 0.,  0.])

In [88]: A.A.sum(axis=0)     # another way
Out[88]: array([ 0.,  0.])

您可以对此投票，或在此处添加到我的票房最高的答案：Numpy matrix to array :)

A 是一个稀疏矩阵。稀疏求和是用矩阵乘积（1 的适当矩阵）执行的。结果是一个密集矩阵。

稀疏矩阵有一个toarray() 方法和一个.A 快捷方式。

密集矩阵也有这些，但它也有一个 .A1（记录不充分 - 因此我的所有命中），它也变平了。

A1 的文档：

Return `self` as a flattened `ndarray`.
Equivalent to ``np.asarray(x).ravel()``

其实代码是

return self.__array__().ravel()

=====================

MATLAB b(:) 真的等效吗？

A(:) 是A的所有元素，视为一列。

如果我没看错的话，numpy 等价物是转置，或 b.ravel().T。形状将是 (2,1)。但在 MATLAB 中，列矩阵是矩阵的最简单形式。

In [94]: b.T
Out[94]: 
matrix([[ 0.],
        [ 0.]])

（我是一名旧的 MATLAB 程序员，我的备用计算机上有 Octave。还有一些旧 Windows 磁盘上的 3.5 的副本。:)）。