numpy.any(axis=i) 用于 scipy.sparse

import numpy
a = numpy.array([
    [0, 1, 0, 0],
    [1, 0, 0, 0],
    [0, 0, 1, 0],
    [0, 0, 0, 0],
    [0, 0, 0, 0],
])
numpy.any(a, axis=0)
numpy.any(a, axis=1)

produces

array([ True,  True,  True, False])
array([ True,  True,  True, False, False])

然而，之后

from scipy import sparse
a = sparse.csr_matrix(a)

相同numpy.any(a, axis)调用产生

<5x4 sparse matrix of type '<class 'numpy.intc'>'
        with 3 stored elements in Compressed Sparse Row format>

and

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<__array_function__ internals>", line 5, in any
  File "C:\Users\user\.conda\envs\py385\lib\site-packages\numpy\core\fromnumeric.py", line 2330, in any
    return _wrapreduction(a, np.logical_or, 'any', axis, None, out, keepdims=keepdims)
  File "C:\Users\user\.conda\envs\py385\lib\site-packages\numpy\core\fromnumeric.py", line 87, in _wrapreduction
    return ufunc.reduce(obj, axis, dtype, out, **passkwargs)
numpy.AxisError: axis 1 is out of bounds for array of dimension 0

当然，a实际上是一个很大的稀疏矩阵，需要转换为普通矩阵numpy数组不是一个选项。我怎样才能获得相同（或等效）的结果csr_matrix和别的scipy.sparse矩阵？

ADDED:

根据scipy 官方文档中的使用信息 https://docs.scipy.org/doc/scipy/reference/sparse.html#usage-information,

尽管它们与 NumPy 数组相似，但它是强烈劝阻直接在这些矩阵上使用 NumPy 函数，因为 NumPy 可能无法正确转换它们进行计算，从而导致意外（且不正确）的结果。如果您确实想将 NumPy 函数应用于这些矩阵，请首先检查 SciPy 是否有针对给定稀疏矩阵类的自己的实现，或者将稀疏矩阵转换为 NumPy 数组（例如，使用数组（）类的方法）首先在应用该方法之前。

我正在寻找“它自己的实现”或同等内容。

您可以使用 sum 代替 bool 数组上的任何值

import numpy
a = numpy.array([
    [0, 1, 0, 0],
    [1, 0, 0, 0],
    [0, 0, 1, 0],
    [0, 0, 0, 0],
    [0, 0, 0, 0],
])

from scipy import sparse
a = sparse.csr_matrix(a.astype(bool))
# Use sum instead of any on a bool array
print(a.sum(axis=0).astype(bool))
print(a.sum(axis=1).flatten().astype(bool))

output:

[[ True  True  True False]]
[[ True  True  True False False]]

如果你想做“所有”，那会有点棘手，因为 scipy 似乎没有“prod”的实现。 但这个帖子 https://stackoverflow.com/questions/44320865/scipy-equivalent-of-numpy-prod-for-sparse-matrices有这个案例的答案。