Python 为什么对稀疏矩阵求和会留下一个空维度？

对

numpy.ndarray

求和时，它会降低数组的维数，除非我们设置

keepdims=True

。但是，对于Scipy的稀疏矩阵，这似乎不是真的：

import scipy.sparse

matrix = scipy.sparse.coo_matrix([[0, 1], [2, 1]])
print(matrix.shape)                 # (2, 2) as expected.
print(matrix.sum().shape)           # () as expected.
print(matrix.sum(axis=0).shape)     # (1, 2) but expected (2,).
print(matrix.sum(axis=0)[0].shape)  # (1, 2) but expected (2,).

如示例中最后一行所示，我甚至无法选择结果向量。此外，尝试将求和结果强制转换为密集Numpy数组失败：

matrix.toarray()              # This works.
matrix.sum(axis=0).toarray()  # AttributeError: 'matrix' has no 'toarray'.

---

如何计算一维稀疏矩阵的和，并以密集数组的形式获得结果？

一个稀疏矩阵，而一个不同的类（类取决于格式），试图表现得像

np.matrix

（反过来又表现得像老式的MATLAB矩阵）。其形状始终为2d，索引、求和和和相关操作返回2d

In [172]: M = sparse.csr_matrix([[0,1],[2,1]])
In [173]: M
Out[173]: 
<2x2 sparse matrix of type '<class 'numpy.int32'>'
    with 3 stored elements in Compressed Sparse Row format>

轴和生成二维列或行向量密集矩阵：

In [177]: M.sum(axis=0)
Out[177]: matrix([[2, 2]], dtype=int32)
In [178]: _.shape
Out[178]: (1, 2)
In [179]: M.sum(axis=1)
Out[179]: 
matrix([[1],
        [3]])
In [180]: _.shape
Out[180]: (2, 1)

In [186]: M*np.matrix([[1],[1]])
Out[186]: 
matrix([[1],
        [3]], dtype=int32)
In [187]: np.matrix([[1,1]])*M
Out[187]: matrix([[2, 2]], dtype=int32)

这与密集矩阵的行为相同，例如

M.todense（）

keepdims=True

为数组提供了类似的功能（来自MATLAB的人抱怨

sum

降低了维数）

密集矩阵具有方便的

.A1

属性，可将其转换为一维数组：

In [181]: M.sum(axis=1).A1
Out[181]: array([1, 3])
In [182]: M.sum(axis=0).A1
Out[182]: array([2, 2], dtype=int32)

.A

同时适用于稀疏矩阵和密集矩阵，但只有稀疏矩阵具有

toarray

方法（和

todense

）。就像我说的，稀疏模仿稠密矩阵，但不是一个子类

稀疏轴和实际上是矩阵乘法；密集矩阵*稀疏矩阵生成密集矩阵：

In [177]: M.sum(axis=0)
Out[177]: matrix([[2, 2]], dtype=int32)
In [178]: _.shape
Out[178]: (1, 2)
In [179]: M.sum(axis=1)
Out[179]: 
matrix([[1],
        [3]])
In [180]: _.shape
Out[180]: (2, 1)

In [186]: M*np.matrix([[1],[1]])
Out[186]: 
matrix([[1],
        [3]], dtype=int32)
In [187]: np.matrix([[1,1]])*M
Out[187]: matrix([[2, 2]], dtype=int32)

关于数组和没有留下此“空”（单数是一个项，1不是0）维度的投诉：

---

我认为这是因为它是一个“矩阵”，而不是一个数组。因此你必须有两个维度。@PaulH为什么我可以将原始矩阵转换为Numpy数组，而不是从sum返回的对象？稀疏矩阵vs Numpy.matrix？你是对的，sum返回一个Numpy矩阵，所以

np.asarray（matrix.sum（axis=0））[0]

有效。这应该被视为Scipy中的一个bug吗？如果它仍然返回Numpy对象，则支持正确秩的

Numpy.ndarray

类型更合适。它与

np.matrix

一致。