如何在Scipy稀疏矩阵中选取指定索引对应的行？切片方法报错

嘿，你碰到的这个报错其实是因为scipy.sparse.eye()默认生成的是dia_matrix（对角稀疏矩阵），这种类型确实不支持像普通NumPy数组那样直接用[:2, :]做下标切片。别担心，有好几种办法能解决这个问题：

方法1：转成支持切片的稀疏矩阵类型 #

最省心的方式是把dia_matrix转换成csr_matrix或者csc_matrix——这俩是Scipy稀疏矩阵里最常用、也支持切片操作的类型。转完之后就能像用NumPy数组一样切片了：

import scipy.sparse as sparse

# 生成对角矩阵并转为csr格式
sparse_mat = sparse.eye(3).tocsr()
# 轻松选取前2行
selected_rows = sparse_mat[:2, :]
print(selected_rows.toarray())

方法2：用矩阵自带的getrow()/getrows()方法 #

如果不想转换矩阵类型，也可以用稀疏矩阵原生的方法来挑行：

• getrow(i)：单独选取第i行
• getrows(indices)：一次性选取多个指定索引的行，参数传索引列表就行

举个例子：

import scipy.sparse as sparse

dia_mat = sparse.eye(3)
# 选取第0和第1行
selected_rows = dia_mat.getrows([0, 1])
print(selected_rows.toarray())

方法3：用索引矩阵实现复杂筛选 #

要是你需要更灵活的行筛选（比如非连续的、带条件的索引），还可以构建一个行选择矩阵，和原矩阵相乘来实现：

import scipy.sparse as sparse

dia_mat = sparse.eye(3)
# 定义要选取的行索引
target_indices = [0, 1]
# 构建行选择的稀疏矩阵
row_selector = sparse.csr_matrix(
    ([1]*len(target_indices), (range(len(target_indices)), target_indices)),
    shape=(len(target_indices), dia_mat.shape[0])
)
# 矩阵乘法得到选中的行
selected_rows = row_selector @ dia_mat
print(selected_rows.toarray())

总的来说，第一种方法（转csr/csc后切片）最符合我们平时用NumPy的习惯，上手最快。

内容的提问来源于stack exchange，提问作者David Masip