Python Scipy&x27；s csr_矩阵按值排序？

因此，scikit learn的DBSCAN采用稀疏矩阵，如果矩阵不是csr_矩阵格式，则将其转换为稀疏矩阵。我想在csr_矩阵中进行分析，但我得到以下警告：

效率警告：预计算的稀疏输入未按数据排序

如何创建数据排序csr_矩阵？如果我初始化已排序的矩阵数据，矩阵将自动对其进行索引排序：

>>> from scipy.sparse import csr_matrix
>>> x = csr_matrix(([1,2,3],[[3,2,1],[5,2,1]]))
>>> print(x)
  (1, 1)    3
  (2, 2)    2
  (3, 5)    1

我知道csr矩阵有一个

has\u sorted\u index

标志，但我不知道如何使用它。即使我将其设置为false，矩阵仍然按索引排序

编辑：我尝试了

sorted_index

，但似乎没有任何改变。我不确定我的

排序索引的概念是否正确？它应该按每行从低到高对数据进行排序吗

>>> from scipy.sparse import csr_matrix
>>> x = csr_matrix(([7,3,5,1,6,2], [[0,1,2,0,1,2],[0,0,0,1,1,1]]), shape=(3, 2))
>>> print(x)
  (0, 0)    7
  (0, 1)    1
  (1, 0)    3
  (1, 1)    6
  (2, 0)    5
  (2, 1)    2
>>> x.has_sorted_indices = False
>>> x.sort_indices()
>>> print(x)
  (0, 0)    7
  (0, 1)    1
  (1, 0)    3
  (1, 1)    6
  (2, 0)    5
  (2, 1)    2

我想要什么（这是否可能？）

基本上，我需要这个来返回True：

out_of_order = graph.data[:-1] > graph.data[1:]
line_change = np.unique(graph.indptr[1:-1] - 1)
line_change = line_change[line_change < out_of_order.shape[0]]
return (out_of_order.sum() == out_of_order[line_change].sum())

顺序错误=graph.data[：-1]>graph.data[1:]
行更改=np.unique（图indptr[1:-1]-1）
线条变化=线条变化[线条变化<无序。形状[0]]
return（out-of-order.sum（）==out-of-order[行更改].sum（））

我认为您需要了解更多关于这项按数据排序的

要求。
scipy.sparse
中没有任何东西可以为您做到这一点。我甚至不知道这是什么意思。排序的索引与非零值的列索引有关-在每行内排序。@hpaulj感谢您的响应。实际上，我研究了抛出错误消息的原因，这正是我所需要的——列索引需要在每行中进行排序（按值）。。。我怎样才能做到这一点呢？
sort\u index
-@hpaulj我更新了关于我要找什么的问题。我可能完全误解了
sort\u index
的作用。我希望按照元素的值对每行中的元素进行排序。这是可行的还是我完全没有抓住要点？谢谢该方法称为
sort\u index
而不是
sort
或
sort\u data
！我认为您需要了解更多关于这项按数据排序的
要求。
scipy.sparse
中没有任何东西可以为您做到这一点。我甚至不知道这是什么意思。排序的索引与非零值的列索引有关-在每行内排序。@hpaulj感谢您的响应。实际上，我研究了抛出错误消息的原因，这正是我所需要的——列索引需要在每行中进行排序（按值）。。。我怎样才能做到这一点呢？
sort\u index
-@hpaulj我更新了关于我要找什么的问题。我可能完全误解了
sort\u index
的作用。我希望按照元素的值对每行中的元素进行排序。这是可行的还是我完全没有抓住要点？谢谢该方法称为
sort\u index
而不是
sort
或
sort\u data
！
out_of_order = graph.data[:-1] > graph.data[1:]
line_change = np.unique(graph.indptr[1:-1] - 1)
line_change = line_change[line_change < out_of_order.shape[0]]
return (out_of_order.sum() == out_of_order[line_change].sum())