Python SciPy：稀疏CSR矩阵的对称置换

我想对称排列稀疏矩阵，用同样的方式排列行和列。例如，我想旋转行和列，这需要：

 1     2     3
 0     1     0
 0     0     1

到

在倍频程或MATLAB中，可以通过矩阵索引简洁地实现这一点：

A = sparse([1 2 3; 0 1 0; 0 0 1]);
perm = [2 3 1];
Aperm = A(perm,perm);

我对使用Python和NumPy/SciPy实现这一点很感兴趣。以下是一个尝试：

#!/usr/bin/env python
import numpy as np
from scipy.sparse import csr_matrix

row = np.array([0, 0, 0, 1, 2])
col = np.array([0, 1, 2, 1, 2])
data = np.array([1, 2, 3, 1, 1])
A = csr_matrix((data, (row, col)), shape=(3, 3))

p = np.array([1, 2, 0])

#Aperm = A[p,p]            # gives [1,1,1], the permuted diagonal
Aperm = A[:,p][p,:]        # works, but more verbose

有没有更干净的方法来完成矩阵的这种对称排列

我对简洁的语法比对MATLAB中的性能更感兴趣

A(perm,perm)

这是一个阻塞操作。在numpy中，[perm，perm]选择对角线上的元素

A[perm[:,None], perm]

是块索引。MATLAB对角线需要类似sub2ind的内容。一种语言简洁，而另一种语言则更为冗长

事实上，numpy在这两种情况下使用相同的逻辑。它“广播”一个索引与另一个索引，在对角线情况下是n对n，在块情况下是n，1对1，n。结果是n，n，n形的

这个numpy索引也适用于稀疏矩阵，尽管它没有那么快。它实际上使用矩阵乘法来做这种索引——使用一个基于索引的“提取器”矩阵，可能是2，M*A*M.T

关于置换矩阵的MATLAB文档：

在MATLAB中

A(perm,perm)

这是一个阻塞操作。在numpy中，[perm，perm]选择对角线上的元素

A[perm[:,None], perm]

是块索引。MATLAB对角线需要类似sub2ind的内容。一种语言简洁，而另一种语言则更为冗长

事实上，numpy在这两种情况下使用相同的逻辑。它“广播”一个索引与另一个索引，在对角线情况下是n对n，在块情况下是n，1对1，n。结果是n，n，n形的

这个numpy索引也适用于稀疏矩阵，尽管它没有那么快。它实际上使用矩阵乘法来做这种索引——使用一个基于索引的“提取器”矩阵，可能是2，M*A*M.T

关于置换矩阵的MATLAB文档：