Python 如何使用scipy稀疏矩阵对numpy数组进行列_堆栈？

我有以下矩阵：

A.toarray()

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]], dtype=int64)

type(A)

scipy.sparse.csr.csr_matrix

A.shape
(878049, 942)

矩阵B：

B

array([2248, 2248, 2248, ...,    0,    0,    0])

type(B)

numpy.ndarray

B.shape

(878049,)

我想在C中列stack

A

和

B

，我尝试了以下方法：

C =  sparse.column_stack([A,B])

然后：

我的问题是如何保存尺寸。因此，知道如何对它们进行列堆栈吗

更新

我尝试了以下方法：

#Sorry for the name
C =  np.vstack(( A.A.T, B)).T

我得到：

array([[   0,    0,    0, ...,    0,    6],
       [   0,    0,    0, ...,    0,    6],
       [   0,    0,    0, ...,    0,    6],
       ..., 
       [   0,    0,    0, ...,    0,    1],
       [   0,    0,    0, ...,    0,    1],
       [   0,    0,    0, ...,    0,    1]], dtype=int64)

---

这是列堆栈的正确方法吗？

您是否尝试了以下方法

C=np.vstack((A.T,B)).T

对于样本值：

A = array([[1, 2, 3], [4, 5, 6]])
>>>> A.shape
(2, 3)
B = array([7, 8])
>>> B.shape
(2,)
C=np.vstack((A.T,B)).T
>>> C.shape
(2, 4)

如果A是稀疏矩阵，并且希望将输出保持为稀疏，则可以执行以下操作：

C=np.vstack((A.A.T,B)).T
D=csr_matrix((C))

2个问题

• 没有稀疏的.column\u堆栈
• 您正在混合稀疏矩阵和密集数组

2个较小的示例：

In [129]: A=sparse.csr_matrix([[1,0,0],[0,1,0]])
In [130]: B=np.array([1,2])

使用

np.column\u stack

会给出错误：

In [131]: np.column_stack((A,B))
... 
ValueError: all the input array dimensions except for the concatenation axis must match exactly

但如果我首先将

A

转换为一个数组，column\u stack就可以了：

In [132]: np.column_stack((A.A, B))
Out[132]: 
array([[1, 0, 0, 1],
       [0, 1, 0, 2]])

与

串联的等效项

：

In [133]: np.concatenate((A.A, B[:,None]), axis=1)
Out[133]: 
array([[1, 0, 0, 1],
       [0, 1, 0, 2]])

有一个

sparse.hstack

。为此，我还需要将

B

转换为稀疏矩阵。转置之所以有效，是因为它现在是一个矩阵（与一维数组相反）：

[134]中的

：sparse.hstack（（A，sparse.csr_矩阵（B.T））
出[134]：
在[135]中：
出[135]：
数组（[[1,0,0,1]，
[0,1,0,2]]，dtype=int32）

我尝试了这个，但是我得到了：

ValueError:除了连接轴之外，所有的输入数组维度都必须完全匹配

而且

A

是一个稀疏矩阵。在调用

C=csr\u矩阵（（C））之前，这难道不是一个巨大的非稀疏版本的
C

？@madpysicast确实如此。你在哪里找到了稀疏的。列\u堆栈？有

np.column\u stack

，但不是稀疏版本。下面所有的答案都是非稀疏的。看看这个答案。它看起来正是你想要的。我投票决定以重复的方式结束。可能是重复的

In [133]: np.concatenate((A.A, B[:,None]), axis=1)
Out[133]: 
array([[1, 0, 0, 1],
       [0, 1, 0, 2]])

In [134]: sparse.hstack((A,sparse.csr_matrix(B).T))
Out[134]: 
<2x4 sparse matrix of type '<class 'numpy.int32'>'
    with 4 stored elements in COOrdinate format>
In [135]: _.A
Out[135]: 
array([[1, 0, 0, 1],
       [0, 1, 0, 2]], dtype=int32)