高效重塑稀疏矩阵，Python，SciPy 0.12

如果要添加更多的行或列，则可分别使用

scipy.sparse.vstack

或

hstack

，接受答案将起作用。在SciPy 0.12中，仍然没有实现or方法

---

在SciPy 0.12中，是否有一些稳定的良好实践来重塑稀疏矩阵？进行一些时间比较会很好。

我不知道有任何既定的良好实践，因此这里有一个相当直接的coo_矩阵重塑函数。它将其参数转换为coo_矩阵，因此它将实际用于其他稀疏格式（但返回coo_矩阵）

例如：

In [43]: a = coo_matrix([[0,10,0,0],[0,0,0,0],[0,20,30,40]])

In [44]: a.A
Out[44]: 
array([[ 0, 10,  0,  0],
       [ 0,  0,  0,  0],
       [ 0, 20, 30, 40]])

In [45]: b = reshape(a, (2,6))

In [46]: b.A
Out[46]: 
array([[ 0, 10,  0,  0,  0,  0],
       [ 0,  0,  0, 20, 30, 40]])

---

现在，我确信这里有几个常规的贡献者可以想出更好的方法（更快、更高效、更少的内存填充…）

我有一个CSR矩阵的工作示例，但我不能保证它总是有效的

展平矩阵A：

    indices = zeros_like(A.indices)
    indices[A.indptr[1:-1]] = A.shape[1]
    indices = cumsum( indices)+A.indices
    A_flat = sparse.csc_matrix((T_rot.data, indices,[0,size(A)]),shape=(prod(A.shape),1))

重塑矩阵A

    indices = zeros_like(A.indices)
    indices[A.indptr[1:-1]] = A.shape[1]
    indices = cumsum( indices)+A.indices

    indices %= N*A.shape[1]
    indptr = r_[0, where(diff(indices)<0)[0]+1, size(A)]
    A_reshaped = sparse.csc_matrix((A.data, indices,indptr),shape=(N*A.shape[1],A.shape[0]/N ))

索引=类零（A.索引）
索引[A.indptr[1:-1]]=A.shape[1]
指数=总和（指数）+A指数
指数%=N*A.shape[1]
indptr=r_0，其中（diff（index）截至，和
set_shape
方法已针对所有稀疏矩阵类型实施。签名是您所期望的，并且与NumPy中的等效方法尽可能相同（例如，您不能重塑为向量或张量）

签名：

重塑（self，shape:Tuple[int，int]，顺序：'C'|'F'='C'，copy:bool=False）->spmatrix

例如：

In [43]: a = coo_matrix([[0,10,0,0],[0,0,0,0],[0,20,30,40]])

In [44]: a.A
Out[44]: 
array([[ 0, 10,  0,  0],
       [ 0,  0,  0,  0],
       [ 0, 20, 30, 40]])

In [45]: b = reshape(a, (2,6))

In [46]: b.A
Out[46]: 
array([[ 0, 10,  0,  0,  0,  0],
       [ 0,  0,  0, 20, 30, 40]])

>>从scipy.sparse导入csr\u矩阵
>>>A=csr_矩阵（[[0,0,2,0]，[0,1,0,3]]
>>>印刷品（A）
(0, 2)    2
(1, 1)    1
(1, 3)    3
>>>B=A.重塑（（4,2））
>>>印刷品（B）
(1, 0)    2
(2, 1)    1
(3, 1)    3
>>>C=A.重塑（（4,2），顺序='F'）
>>>印刷品（C）
(0, 1)    2
(3, 0)    1
(3, 1)    3

全面披露：我了解了实施情况。
更新：这个问题已在中得到解决，@Warren Weckesser的解决方案已被选中。