对稀疏 scipy 矩阵进行切片以对每 10 行和每列进行二次采样

【问题标题】：Slicing a sparse scipy matrix to subsample for every 10th row and column对稀疏 scipy 矩阵进行切片以对每 10 行和每列进行二次采样
【发布时间】：2013-10-22 12:01:59
【问题描述】：

我正在尝试将 scipy 稀疏矩阵子采样为像这样的 numpy 矩阵，以获得每 10 行和每 10 列：

connections = sparse.csr_matrix((data,(node1_index,node2_index)),
                                shape=(dimensions,dimensions))
connections_sampled = np.zeros((dimensions/10, dimensions/10))
connections_sampled = connections[::10,::10]

但是，当我运行它并查询connections_sampled 的形状时，我得到的是连接的原始尺寸，而不是减少了10 倍的尺寸。

这种类型的子采样现在是否适用于稀疏矩阵？当我使用较小的矩阵时，它似乎有效，但我无法给出正确的答案。

【问题讨论】：

标签： python numpy sparse-matrix slice subsampling

【解决方案1】：

您不能对 CSR 矩阵的每 10 行和每列进行一次采样，至少在 Scipy 0.12 中不行：

>>> import scipy.sparse as sps
>>> a = sps.rand(1000, 1000, format='csr')
>>> a[::10, ::10]
Traceback (most recent call last):
...    
ValueError: slicing with step != 1 not supported

不过，您可以通过先转换为 LIL 格式矩阵来做到这一点：

>>> a.tolil()[::10, ::10]
<100x100 sparse matrix of type '<type 'numpy.float64'>'
    with 97 stored elements in LInked List format>

如您所见，形状已正确更新。如果您想要一个 numpy 数组，而不是稀疏矩阵，请尝试：

>>> a.tolil()[::10, ::10].A
array([[ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.],
       ..., 
       [ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  0.,  0.,  0.]])

【讨论】：