Python 为什么'；t scipy.sparse.csc_矩阵是否保留我的np.array的索引顺序？

我正在编写代码，以便同时高效地从几个大型并行scipy

sparse.csc

矩阵（意味着所有矩阵都具有相同的dim，并且所有nnz元素都位于相同的位置）中删除多个列。为此，我只为一个矩阵保留的列编制索引，然后为其他矩阵重用索引和indptr列表。但是，当我通过列表对csc矩阵进行索引时，它会对数据列表进行重新排序，因此我无法重用索引。有没有办法强制scipy保持数据列表的原始顺序？为什么只在按列表索引时才重新排序

导入scipy.sparse
将numpy作为np导入
mat=scipy.sparse.csc_矩阵（np.数组[1,0,0,2,5]，
[1,0,1,0,0,0], 
[0,0,0,4,0,1],
[0,3,0,1,0,4]]))
打印mat[：，3]。数据

返回数组（[4，1]）

print mat[：，[3]]数据

返回数组（[1，4]）

分类：

In [57]: m2.sort_indices()                                                      
In [58]: m2.data                                                                
Out[58]: array([4, 1], dtype=int64)
In [59]: m2.indices                                                             
Out[59]: array([2, 3], dtype=int32)

csc使用列表索引使用矩阵乘法。它基于索引构造提取器矩阵，然后进行点乘。这是一个全新的稀疏矩阵；不仅仅是csc数据和索引属性的子集

csc矩阵有一种方法确保标记值有序（在列中）。应用这一点可能有助于确保以相同的方式对数组进行排序

---

csc

列表索引使用矩阵乘法。它基于索引构造一个提取器矩阵，然后执行

点

乘法。这是一个全新的稀疏矩阵；不仅仅是

csc

数据和索引属性的子集。

csc

矩阵有一种方法来确保

标记

值（在一列中）有序。应用该选项可能有助于确保数组以相同的方式排序。这只是IPython会话记录，不是答案。@user2357112，对不起，我忘记将我的注释复制粘贴到我的答案：(

In [48]: m1 = mat[:,3]                                                          
In [49]: m1                                                                     
Out[49]: 
<4x1 sparse matrix of type '<class 'numpy.int64'>'
    with 2 stored elements in Compressed Sparse Column format>
In [50]: m1.data                                                                
Out[50]: array([4, 1])
In [51]: m1.indices                                                             
Out[51]: array([2, 3], dtype=int32)
In [52]: m1.indptr                                                              
Out[52]: array([0, 2], dtype=int32)

In [53]: m2 = mat[:,[3]]                                                        
In [54]: m2.data                                                                
Out[54]: array([1, 4], dtype=int64)
In [55]: m2.indices                                                             
Out[55]: array([3, 2], dtype=int32)
In [56]: m2.indptr                                                              
Out[56]: array([0, 2], dtype=int32)

In [57]: m2.sort_indices()                                                      
In [58]: m2.data                                                                
Out[58]: array([4, 1], dtype=int64)
In [59]: m2.indices                                                             
Out[59]: array([2, 3], dtype=int32)