Python Scipy：稀疏矩阵支持高级索引吗？

没问题：

>>> t = np.array([[1,1,1,1,1],[2,2,2,2,2],[3,3,3,3,3],[4,4,4,4,4],[5,5,5,5,5]])
>>> x = np.arange(5).reshape((-1,1)); y = np.arange(5)
>>> print (t[[x]],t[[y]])

大问题：

>>> s = scipy.sparse.csr_matrix(t)
>>> print (s[[x]].toarray(),s[[y]].toarray())
Traceback (most recent call last):
  File "<pyshell#22>", line 1, in <module>
:               :
:               :
ValueError: data, indices, and indptr should be rank 1

>s=scipy.sparse.csr\u矩阵（t）
>>>打印（s[[x]].toarray（），s[[y]].toarray（））
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
:               :
:               :
ValueError:数据、索引和indptr应为排名1

---

s.toarray（）[[x]]

效果很好，但由于数组太大，无法实现使用稀疏矩阵的全部目的。我已经检查了与一些稀疏矩阵相关联的属性和方法，以查找任何引用高级索引的内容，但没有骰子。有什么想法吗？

稀疏矩阵的索引支持非常有限，可用的内容取决于矩阵的格式

例如：

>>> a = scipy.sparse.rand(100,100,format='coo')
>>> a[2:5, 6:8]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'coo_matrix' object has no attribute '__getitem__'

还有

>>> a = scipy.sparse.rand(100,100,format='dok')
>>> a[2:5:2, 6:8:3]
Traceback (most recent call last):
...
NotImplementedError: fancy indexing supported over one axis only
>>> a[2:5:2,1]
<3x1 sparse matrix of type '<type 'numpy.float64'>'
    with 0 stored elements in Dictionary Of Keys format>

>a=scipy.sparse.rand（100100，format='dok'）
>>>a[2:5:2，6:8:3]
回溯（最近一次呼叫最后一次）：
...
NotImplementedError：仅支持一个轴上的索引
>>>a[2:5:2,1]

甚至

>>> a = scipy.sparse.rand(100,100,format='lil')
>>> a[2:5:2,1]
<2x1 sparse matrix of type '<type 'numpy.int32'>'
    with 0 stored elements in LInked List format>
C:\Python27\lib\site-packages\scipy\sparse\lil.py:230: SparseEfficiencyWarning: Indexing into a lil_matrix with multiple indices is slow. Pre-converting to CSC or CSR beforehand is more efficient.
  SparseEfficiencyWarning)
>>> a[2:5:2, 6:8:3]
<2x1 sparse matrix of type '<type 'numpy.int32'>'
    with 0 stored elements in LInked List format>

>a=scipy.sparse.rand（100100，format='lil'）
>>>a[2:5:2,1]
C:\Python27\lib\site packages\scipy\sparse\lil.py:230:SparseEfficiencyWarning:索引到具有多个索引的lil_矩阵的速度很慢。预先转换为CSC或CSR更有效。
sparseeficiency（警告）
>>>a[2:5:2，6:8:3]

那么你的意思是……只有上面概述的索引可以工作，而我的方法不行？@NoobSaibot是的，我认为上面总结了稀疏矩阵的索引可能性。我几乎可以肯定，使用2D数组进行索引对于任何格式都不起作用，尽管我相信LIL将使用两个1D数组进行索引，并返回一个行向量。也可能有用。为什么还要加上一对方括号？他们的逻辑是不可靠的，numpy只是碰巧通过推理忽略了这一点。除此之外，只尝试一维奇特索引，这些是矩阵，高维奇特索引很可能会杀死你的二维矩阵。@seberg：上面的例子只是为了说明语法。在我的实际代码中，我需要高级索引在需要时调用特定的行（即[t[1]，t[5]，t[6]），而不是范围或切片。是的，但是添加额外的对也可以解释为

t[np.array（[x]）]

而不是

t[x，]

向单个索引添加额外维度。我不相信稀疏索引能够像您希望的那样处理这种情况。

>>> a = scipy.sparse.rand(100,100,format='dok')
>>> a[2:5:2, 6:8:3]
Traceback (most recent call last):
...
NotImplementedError: fancy indexing supported over one axis only
>>> a[2:5:2,1]
<3x1 sparse matrix of type '<type 'numpy.float64'>'
    with 0 stored elements in Dictionary Of Keys format>

>>> a = scipy.sparse.rand(100,100,format='lil')
>>> a[2:5:2,1]
<2x1 sparse matrix of type '<type 'numpy.int32'>'
    with 0 stored elements in LInked List format>
C:\Python27\lib\site-packages\scipy\sparse\lil.py:230: SparseEfficiencyWarning: Indexing into a lil_matrix with multiple indices is slow. Pre-converting to CSC or CSR beforehand is more efficient.
  SparseEfficiencyWarning)
>>> a[2:5:2, 6:8:3]
<2x1 sparse matrix of type '<type 'numpy.int32'>'
    with 0 stored elements in LInked List format>