numpy - 交换行 csr_matrix scipy

Question

我在 scipy 中有一个 256x256 csr_matrix，并且有一个我想要应用的新行顺序的列表。我试过这个:

def HblockDiag(z):
        Hz = H(z) # H(z) returns a 256x256 csr_matrix
        Hz.indices = idenRows
        return Hz

但它不起作用，因为 indices 没有给出每行的索引...执行此操作的最佳方法是什么？

---

编辑:

def HblockDiag(H, idenRows):
    x = H.tocoo()
    idenRows = np.asarray(idenRows, dtype=x.row.dtype)
    x.row = idenRows[x.row]
    H = x.tocsr()
    return H

test = sps.csr_matrix([[1,2,4],[6,3,4],[8,5,2]])
print test.toarray()
test = HblockDiag(test, [2,0,1])
print test.toarray()

我得到:

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

相反，我想得到:

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

Answer 1

• 从 CSR 格式转换为 COO 格式。

  x = Hz.tocoo()
  

  根据文档字符串，sparse.coo_matrix.__doc__，COO 具有“与 CSR/CSC 格式之间的快速转换”。

• 排列 COO 矩阵的行

  idenRows = np.argsort(idenRows)
  x.row = idenRows[x.row]
  

• 从 COO 转变回 CSR

  Hz = x.tocsr()
  

---

例如，

import numpy as np
import scipy.sparse as sps

def HblockDiag(H, idenRows):
    x = H.tocoo()
    idenRows = np.argsort(idenRows)
    idenRows = np.asarray(idenRows, dtype=x.row.dtype)
    x.row = idenRows[x.row]
    H = x.tocsr()
    return H

test = sps.csr_matrix([[1,2,4],[6,3,4],[8,5,2]])
print test.toarray()
# [[1 2 4]
#  [6 3 4]
#  [8 5 2]]

test = HblockDiag(test, [2,0,1])
print test.toarray()

产量

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

---

PS。一般情况下，只有当矩阵规模很大时才使用稀疏矩阵。如果形状仅为 (256, 256)，尚不清楚为什么要使用稀疏矩阵。此外，矩阵应包含 at least 80% zeros for sparse matrices to pay off .