Python 如何替换稀疏矩阵Scipy中的列

我有一个二维尺寸相同的矩阵a和B A-是一个零矩阵，从B开始，我只取第一列，用B.col[0]替换第一列A.col[0]

我写

data_sims = np.zeros((data.shape[0],data.shape[1]))
data_sims = sparse.csr_matrix(data_sims).tocoo()

我试过这样的smth，但没用

data_sims.getcol(0).toarray = data.getcol(0).toarray()

我甚至试着用hstack，但还是出错了 “ValueError:块必须是二维的”，但它们是相同的二维尺寸，我缺少什么？请帮帮我

data_sims = hstack(data.getcol(0).toarray(),data_sims)

---

可以将列指定给列：

from scipy import sparse
import numpy as np

# Target matrix
A = np.zeros((2, 2))

# Some sparse matrix
B = sparse.csr_matrix([[5, 6], [7, 8]]).tocoo()

# Assign the first column from B into A
A[:, 0] = B.tocsc()[:, 0].todense().ravel()

这张照片是：

[[ 5.  0.]
 [ 7.  0.]]

---

您创建了一个由零组成的二维numpy数组，而不是矩阵或稀疏矩阵

In [782]: x = np.zeros((3,2),int)
In [783]: x.getcol(0)
....
AttributeError: 'numpy.ndarray' object has no attribute 'getcol'

这样的数组没有

getcol

方法；这是由稀疏矩阵定义的

In [782]: x = np.zeros((3,2),int)
In [783]: x.getcol(0)
....
AttributeError: 'numpy.ndarray' object has no attribute 'getcol'

您可以通过索引访问数组的列。结果是一个一维数组。如果要设置列，则需要提供兼容的值，例如另一个1d数组或正确长度的列表

In [784]: x[:,0]
Out[784]: array([0, 0, 0])
In [785]: x[:,0] = [1,2,3]
In [786]: x
Out[786]: 
array([[1, 0],
       [2, 0],
       [3, 0]])

稀疏矩阵有一个

getcol

：

In [801]: M = sparse.csr_matrix([[1,0],[0,2],[2,0]])
In [802]: M
Out[802]: 
<3x2 sparse matrix of type '<class 'numpy.int32'>'
    with 3 stored elements in Compressed Sparse Row format>
In [803]: M.getcol(0)
Out[803]: 
<3x1 sparse matrix of type '<class 'numpy.int32'>'
    with 2 stored elements in Compressed Sparse Row format>
In [804]: M.getcol(0).toarray()
Out[804]: 
array([[1],
       [0],
       [2]], dtype=int32)
In [805]: x[:,0] = M.getcol(0).toarray()
....
ValueError: could not broadcast input array from shape (3,1) into shape (3)

csr

实现索引，因此这也适用于：

In [810]: x[:,0] = M[:,0].toarray().ravel()

对于

coo

格式，例如

Mo=M.tocoo（）

，必须使用

getcol

还有其他匹配形状的方法。例如，如果

x

是

np.matrix

而不是array，则其列选择将是（3,1）

使用列表、

x[：，[0]]

或切片进行索引也会生成2d列

在某种程度上，这与最近多次出现的数组/矩阵兼容性问题相同，但稀疏矩阵的使用增加了一个扭曲。

简单的“a”方法教学示例 来到这里希望得到答案，并想尝试以下方法。 我很高兴地发现这种“直观的方法”奏效了

输出：

[[1 4 7]
 [2 5 8]
 [3 6 9]]

[[11 14 17]
 [12 15 18]
 [13 16 19]]

[[ 1 14  7]
 [ 2 15  8]
 [ 3 16  9]]

---

标题听起来像是您试图更改稀疏矩阵中的值。但您的示例尝试将稀疏矩阵中的值写入常规数组。

import numpy as np
import scipy.sparse as ss

m1 = np.array([[1, 4, 7], [2, 5, 8], [3, 6, 9]])
m2 = np.array([[11, 14, 17], [12, 15, 18], [13, 16, 19]])

print(m1, '\n')
print(m2, '\n')

m1 = ss.csc_matrix(m1)
m2 = ss.csc_matrix(m2)

m1 = ss.hstack([m1[:, 0], m2[:, 1], m1[:, 2]])

print(m1.todense())

[[1 4 7]
 [2 5 8]
 [3 6 9]]

[[11 14 17]
 [12 15 18]
 [13 16 19]]

[[ 1 14  7]
 [ 2 15  8]
 [ 3 16  9]]