Ответ 1
Если это был всего лишь массив numpy, X, вы могли бы сказать X!=0, который даст вам логический массив той же формы, что и X, а затем вы можете индексировать X с помощью логического массива, т.е. non_zero_entries = X[X!=0]
Но это разреженная матрица, которая не поддерживает логическое индексирование, а также не даст вам то, что вы хотите, если попробуете X!=0 - он просто возвращает одно логическое значение, которое, кажется, возвращает только true, если они являются точными та же матрица (в памяти).
Вы хотите использовать метод nonzero из numpy.
import numpy as np
from scipy import sparse
X = sparse.lil_matrix((100,100)) # some sparse matrix
X[1,17] = 1
X[17,17] = 1
indices = np.nonzero(X) # a tuple of two arrays: 0th is row indices, 1st is cols
X.tocsc()[indices] # this just gives you the array of all non-zero entries
Если вам нужны только полные столбцы, где есть ненулевые записи, просто возьмите 1-й из индексов. Кроме того, вам нужно учитывать повторяющиеся индексы (если в столбце есть несколько записей):
columns_non_unique = indices[1]
unique_columns = sorted(set(columns_non_unique))
X.tocsc()[:,unique_columns]