Python 将稀疏scipy矩阵切片为每10行和每10列的子样本

我尝试将一个scipy稀疏矩阵作为numpy矩阵进行子采样，如下所示，以获得每10行和每10列：

connections = sparse.csr_matrix((data,(node1_index,node2_index)),
                                shape=(dimensions,dimensions))
connections_sampled = np.zeros((dimensions/10, dimensions/10))
connections_sampled = connections[::10,::10]

但是，当我运行这个并查询连接的形状时，我得到的是连接的原始维度，而不是减少了10倍的维度

---

这种类型的子采样现在适用于稀疏矩阵吗？当我使用较小的矩阵时，这似乎是可行的，但我无法得到正确的答案。

您不能对CSR矩阵的每10行和每10列进行采样，至少在Scipy 0.12中没有：

>>> import scipy.sparse as sps
>>> a = sps.rand(1000, 1000, format='csr')
>>> a[::10, ::10]
Traceback (most recent call last):
...    
ValueError: slicing with step != 1 not supported

不过，您可以先将其转换为LIL格式的矩阵：

>>> a.tolil()[::10, ::10]
<100x100 sparse matrix of type '<type 'numpy.float64'>'
    with 97 stored elements in LInked List format>

>>> a.tolil()[::10, ::10].A
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.]])