SciPy 稀疏数组：获取数据点的索引答案

【问题标题】：SciPy Sparse Array: Get index for a data pointSciPy 稀疏数组：获取数据点的索引
【发布时间】：2015-06-29 16:08:11
【问题描述】：

我正在创建一个需要向前和向后使用的 csr 稀疏数组（因为我有很多空元素/单元格）。也就是说，我需要输入两个索引并获取与其对应的元素（matrix[0][9]=34），但我还需要能够在知道值为 34 的情况下获取索引。我的阵列都是独一无二的。我已经到处寻找有关此的答案，但没有找到答案，或者可能不明白这是我正在寻找的答案！我对 python 很陌生，所以如果你能确保让我知道你找到的函数是做什么的以及检索元素索引的步骤，我将非常感激！

提前致谢！

【问题讨论】：

首先，索引数组，尤其是稀疏矩阵的正确方法是matrix[0,9]。除非您知道自己在做什么，否则不要使用 [][] 语法。

标签： python arrays numpy scipy indices

【解决方案1】：

这是一种查找适用于 numpy 数组和稀疏矩阵的特定值的方法

In [119]: A=sparse.csr_matrix(np.arange(12).reshape(3,4))

In [120]: A==10
Out[120]: 
<3x4 sparse matrix of type '<class 'numpy.bool_'>'
    with 1 stored elements in Compressed Sparse Row format>

In [121]: (A==10).nonzero()
Out[121]: (array([2], dtype=int32), array([2], dtype=int32))

In [122]: (A.A==10).nonzero()
Out[122]: (array([2], dtype=int32), array([2], dtype=int32))

【讨论】：

【解决方案2】：

您可以使用nonzero 方法：

In [44]: from scipy.sparse import csr_matrix

In [45]: a = np.arange(50).reshape(5, 10)

In [46]: a
Out[46]: 
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [30, 31, 32, 33, 34, 35, 36, 37, 38, 39],
       [40, 41, 42, 43, 44, 45, 46, 47, 48, 49]])

In [47]: s = csr_matrix(a)

In [48]: s
Out[48]: 
<5x10 sparse matrix of type '<type 'numpy.int64'>'
    with 49 stored elements in Compressed Sparse Row format>

In [49]: (s == 36).nonzero()
Out[49]: (array([3], dtype=int32), array([6], dtype=int32))

一般来说，尝试一种适用于 numpy 数组的方法通常会奏效。这并不总是有效，但至少在这里是有效的（我今天学到了一些新东西）。

【讨论】：