如何找出Python CSR大型稀疏矩阵中非全零列的索引

对于大型CSR稀疏矩阵，直接转换为稠密数组会占用大量内存，推荐利用CSR矩阵的内部结构高效获取非全零列索引：

1. 确保矩阵为CSR格式（如果是其他稀疏格式如DOK，先转换）
2. 提取CSR矩阵的indices数组（存储所有非零元素的列索引）
3. 对indices数组取唯一值并排序，得到的就是非全零列的索引列表

示例代码 #

import scipy.sparse as sparse
import numpy as np

# 构造示例矩阵
s = sparse.dok_matrix((2,4))
s[0,0] = 8
s[0,3] = 9

# 转换为CSR格式
s_csr = sparse.csr_matrix(s)

# 获取非全零列索引
non_zero_col_indices = np.unique(s_csr.indices).tolist()

print(non_zero_col_indices)  # 输出: [0, 3]

原理说明 #

CSR矩阵的indices数组记录了每个非零元素对应的列索引，只要某列在indices中出现过，就说明该列存在非零值。通过np.unique()去重并排序，就能得到有序的非全零列索引列表，整个过程无需遍历所有列，内存效率极高，适合处理大型稀疏矩阵。

内容的提问来源于stack exchange，提问作者zell