Scipy: Ermöglichen dünn besetzte Matrizen erweiterte Indizierung?

Question

Kein Problem:

>>> t = np.array([[1,1,1,1,1],[2,2,2,2,2],[3,3,3,3,3],[4,4,4,4,4],[5,5,5,5,5]]) 
>>> x = np.arange(5).reshape((-1,1)); y = np.arange(5) 
>>> print (t[[x]],t[[y]]) 

Großes Problem:

>>> s = scipy.sparse.csr_matrix(t) 
>>> print (s[[x]].toarray(),s[[y]].toarray()) 
Traceback (most recent call last): 
    File "<pyshell#22>", line 1, in <module> 
:    : 
:    : 
ValueError: data, indices, and indptr should be rank 1 

s.toarray()[[x]] funktioniert gut, aber verfehlt den Sinn und Zweck von mir mit Sparse-Matrizen als meine Arrays zu groß ist. Ich habe die Attribute und Methoden, die mit einigen der dünn besetzten Matrizen verknüpft sind, auf etwas überprüft, das auf Erweiterte Indizierung verweist, aber keine Würfel. Irgendwelche Ideen?

Answer 1

spärliche Matrizen haben eine sehr begrenzte Indexierungsunterstützung, und was verfügbar ist, hängt vom Format der Matrix ab.

Zum Beispiel:

>>> a = scipy.sparse.rand(100,100,format='coo') 
>>> a[2:5, 6:8] 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
TypeError: 'coo_matrix' object has no attribute '__getitem__' 

aber

>>> a = scipy.sparse.rand(100,100,format='csc') 
>>> a[2:5, 6:8] 
<3x2 sparse matrix of type '<type 'numpy.float64'>' 
    with 0 stored elements in Compressed Sparse Column format> 

obwohl

>>> a[2:5:2, 6:8:3] 
Traceback (most recent call last): 
... 
ValueError: slicing with step != 1 not supported 

Es gibt auch

>>> a = scipy.sparse.rand(100,100,format='dok') 
>>> a[2:5:2, 6:8:3] 
Traceback (most recent call last): 
... 
NotImplementedError: fancy indexing supported over one axis only 
>>> a[2:5:2,1] 
<3x1 sparse matrix of type '<type 'numpy.float64'>' 
    with 0 stored elements in Dictionary Of Keys format> 

Und sogar

>>> a = scipy.sparse.rand(100,100,format='lil') 
>>> a[2:5:2,1] 
<2x1 sparse matrix of type '<type 'numpy.int32'>' 
    with 0 stored elements in LInked List format> 
C:\Python27\lib\site-packages\scipy\sparse\lil.py:230: SparseEfficiencyWarning: Indexing into a lil_matrix with multiple indices is slow. Pre-converting to CSC or CSR beforehand is more efficient. 
    SparseEfficiencyWarning) 
>>> a[2:5:2, 6:8:3] 
<2x1 sparse matrix of type '<type 'numpy.int32'>' 
    with 0 stored elements in LInked List format>