通过添加列简单地扩展csr矩阵

Question

我有这个密码

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

现在如何在矩阵q上加一列得到结果形状（2，2）？ （矩阵q是稀疏的，我不想改变csr的类型）

Answer 1

sparse.hstack的代码是

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

对于bmat，则blocks是1xN数组。如果它们都是csc，它将执行堆栈的快速版本：

^{pr2}$

相反地，sparse.vstack与csr矩阵相同

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

实际上，考虑到数据是如何存储在csr矩阵中的，添加行（或csc的列）相对容易（如果需要解释，我可以详细说明）。在

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，将它们串联起来，生成一个新的coo矩阵，最后将其转换为所需的格式。在

sparse易于在格式之间转换。即使是矩阵的显示也可能涉及到转换，对于(i,j) d格式，转换为csr（对于密集/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（不改变属性数组），可以将其转置。大部分转换是在编译的代码中完成的，所以您不会看到延迟。在

将列直接添加到csr格式需要大量的工作。所有3个属性数组都必须逐行修改。如果需要的话，我可以再次详细说明。在