Python 向csr_矩阵添加一列零

我有一个MxN稀疏

csr_矩阵

，我想在矩阵的右边添加几个只有零的列。原则上，数组

indptr

，

索引

和

数据

保持不变，因此我只想更改矩阵的维度。然而，这似乎没有得到实施

>>> A = csr_matrix(np.identity(5), dtype = int)
>>> A.toarray()
array([[1, 0, 0, 0, 0],
       [0, 1, 0, 0, 0],
       [0, 0, 1, 0, 0],
       [0, 0, 0, 1, 0],
       [0, 0, 0, 0, 1]])
>>> A.shape
(5, 5)
>>> A.shape = ((5,7))
NotImplementedError: Reshaping not implemented for csr_matrix.

此外，水平堆叠零矩阵似乎不起作用

>>> B = csr_matrix(np.zeros([5,2]), dtype = int)
>>> B.toarray()
array([[0, 0],
       [0, 0],
       [0, 0],
       [0, 0],
       [0, 0]])
>>> np.hstack((A,B))
array([ <5x5 sparse matrix of type '<type 'numpy.int32'>'
    with 5 stored elements in Compressed Sparse Row format>,
       <5x2 sparse matrix of type '<type 'numpy.int32'>'
    with 0 stored elements in Compressed Sparse Row format>], dtype=object)

---

您可以使用

scipy.sparse.vstack

或

scipy.sparse.hstack

更快地执行此操作：

from scipy.sparse import csr_matrix, vstack, hstack

B = csr_matrix((5, 2), dtype=int)
C = csr_matrix((5, 2), dtype=int)
D = csr_matrix((10, 10), dtype=int)

B2 = vstack((B, C))
#<10x2 sparse matrix of type '<type 'numpy.int32'>'
#        with 0 stored elements in COOrdinate format>

hstack((B2, D))
#<10x12 sparse matrix of type '<type 'numpy.int32'>'
#        with 0 stored elements in COOrdinate format>

从scipy.sparse导入csr_矩阵，vstack，hstack
B=csr_矩阵（（5，2），数据类型=int）
C=csr_矩阵（（5，2），数据类型=int）
D=csr_矩阵（（10，10），dtype=int）
B2=vstack（（B，C））
#
hstack（（B2，D））
#

---

请注意，输出是一个

coo_矩阵

，可以有效地转换为

CSR

或

CSC

格式。

您想要做的并不是numpy或scipy真正理解为重塑的事情。但对于您的特定情况，您可以创建一个新的CSR矩阵，从原始矩阵中重复使用

数据

、

索引

和

indptr

，而无需复制它们：

import scipy.sparse as sps

a = sps.rand(10000, 10000, density=0.01, format='csr')

In [19]: %timeit sps.csr_matrix((a.data, a.indices, a.indptr),
...                             shape=(10000, 10020), copy=True)
100 loops, best of 3: 6.26 ms per loop

In [20]: %timeit sps.csr_matrix((a.data, a.indices, a.indptr),
...                             shape=(10000, 10020), copy=False)
10000 loops, best of 3: 47.3 us per loop

In [21]: %timeit sps.csr_matrix((a.data, a.indices, a.indptr),
...                             shape=(10000, 10020))
10000 loops, best of 3: 48.2 us per loop

因此，如果您不再需要原始矩阵

a

，因为默认值为

copy=False

，只需执行以下操作：

a = sps.csr_matrix((a.data, a.indices, a.indptr), shape=(10000, 10020))

a = sps.csr_matrix((a.data, a.indices, a.indptr), shape=(10000, 10020))