对第10行和第10列的切片稀疏矩阵进行子采样

Question

我正在尝试像这样的numpy矩阵对scipy稀疏矩阵进行二次采样，以获取第10行和第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，当我运行此命令并查询connections_sampled的形状时，我得到的是连接的原始尺寸，而不是减小了10倍的尺寸。

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，这似乎可以工作，但是我无法给出正确的答案。

Answer 1

您不能对CSR矩阵的第10行和第10行采样，至少不能在Scipy 0.12中采样：

>>> 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，您可以通过首先将其转换为LIL格式矩阵来实现：

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

如您所见，形状已正确更新。 如果您想要一个numpy数组，而不是一个稀疏矩阵，请尝试：

>>> 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.]])