用布尔数组索引SciPy稀疏矩阵

Question

NumPy数组可以用一个布尔数组来选择对应为 True 的行，也就是说，如果你有一个布尔数组，里面有一些是“真”（True），一些是“假”（False），那么你可以用这个数组来挑选出你想要的行：

>>> X = np.array([[1,2,3], [4,5,6], [7,8,9]])
>>> rows = np.array([True,False,True])
>>> X[rows]
array([[1, 2, 3],
       [7, 8, 9]])
>>> X[np.logical_not(rows)]
array([[4, 5, 6]])

但是在SciPy的稀疏矩阵中，这种做法似乎行不通；在这里，索引会被当作数字来处理，所以 False 会选择第0行，而 True 会选择第1行。那么，我该如何实现像NumPy那样的效果呢？

Answer 1

你可以使用 np.nonzero （或者 ndarray.nonzero）来处理你的布尔数组，这样可以得到对应的数字索引。然后，你可以用这些索引来访问稀疏矩阵。因为在稀疏矩阵上进行“花式索引”的功能相比于普通的 ndarray 是比较有限的，所以你需要把 nonzero 返回的行元组拆开，并且要指定你想要获取所有列，可以使用 : 切片来实现：

>>> rows.nonzero()
(array([0, 2]),)
>>> indices = rows.nonzero()[0]
>>> indices
array([0, 2])
>>> sparse[indices, :]
<2x100 sparse matrix of type '<type 'numpy.float64'>'
        with 6 stored elements in LInked List format>