scipy稀疏矩阵的条件切片

Question

如有重复请见谅。

我有一个大的coo_matrix（比如x）由另一个函数返回，我需要在具有相同行数和单列的numpy数组a中对匹配条件的行进行切片（二进制值）。

我正在使用 scipy.sparse.hstack([x,a]) 将两者连接起来，以便做这样的事情

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

但失败并出现以下错误。

TypeError: 'coo_matrix' object is not subscriptable 

x.toarray() 解决方案由于MemoryError 而不起作用。

有没有办法做到以上几点？最后我需要切片矩阵为coo_matrix。

Answer 1

在@ format矩阵：

中进行随机@ 987654322

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

获取最后一列的密集1D阵列。 （我不希望来自矩阵的矩阵或2d数组）：

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

现在我可以用它作为行掩码：

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>

尝试使用稀疏列掩码不起作用：

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

---

@ 987654327使用矩阵乘法完成@矩阵。指数变为1和0的稀疏矩阵，倍增最终选择所需的行。稀疏求和也用乘法进行。

从lil格式也很容易。

How to get views on sparse matrices?

---

重新判断您的问题，我建议保持x和a单独。由于a已经密集，只需使用

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

在上面的[805]中制作1d ndarray。并且由于它具有二进制值，并且您对0 VS 1

才感兴趣

M1 = M1.astype(bool)

和

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

为两个子集。

再次，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。