Question

我有这段代码

import numpy as np
from scipy.sparse import csr_matrix
q = csr_matrix([[1.], [0.]])
ones = np.ones((2, 1))

现在如何将一列添加到矩阵q以得到结果形状（2,2）？（矩阵q很稀疏，我不想从csr改变类型）

Answer 1

sparse.hstack的代码是

return bmat([blocks], format=format, dtype=dtype)

代表bmat，然后blocks是1xN数组。如果它们都是csc，它会执行快速版本的堆栈：

A = _compressed_sparse_stack(blocks[0,:], 1)

相反sparse.vstack csr矩阵

A = _compressed_sparse_stack(blocks[:,0], 0)

实际上，如果数据存储在csr矩阵中，则添加行（或csc列）相对容易（我可以详细说明是否需要解释）。

否则bmat会：

# convert everything to COO format
# calculate total nnz
data = np.empty(nnz, dtype=dtype)
for B in blocks:
    data[nnz:nnz + B.nnz] = B.data
return coo_matrix((data, (row, col)), shape=shape).asformat(format)

换句话说，它获取每个块的data，row，col值，连接它们，创建一个新的coo矩阵，最后将其转换为欲望格式。

sparse可以轻松转换格式。即使矩阵的显示也可能涉及转换 - 为(i,j) d格式转换为csr为密集/数组。 sparse.nonzero转换为coo。大多数数学转换为csr。通过将csr转换为csc（不更改属性数组）来转置csr。大部分转换是在编译代码中完成的，因此您不会看到延迟。

直接将列添加到mv x y格式是很多工作。必须逐行修改所有3个属性数组。如果需要，我可以再详细说明。

通过添加列简单扩展csr矩阵

1 个答案: