функции numpy, которые можно / нельзя использовать в матрице сжатых разреженных строк (CSR)

Код для np.diagonal:

return asanyarray(a).diagonal(offset=offset, axis1=axis1, axis2=axis2)

То есть сначала он пытается преобразовать аргумент в массив, например, если это список списков. Но это не правильный способ превратить разреженную матрицу в ndarray.

In [33]: from scipy import sparse                                               
In [34]: M = sparse.csr_matrix(np.eye(3))                                       
In [35]: M                                                                      
Out[35]: 
<3x3 sparse matrix of type '<class 'numpy.float64'>'
    with 3 stored elements in Compressed Sparse Row format>
In [36]: M.A                                  # right                                  
Out[36]: 
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])
In [37]: np.asanyarray(M)                    # wrong                           
Out[37]: 
array(<3x3 sparse matrix of type '<class 'numpy.float64'>'
    with 3 stored elements in Compressed Sparse Row format>, dtype=object)

Правильный способ использования np.diagonal:

In [38]: np.diagonal(M.A)                                                       
Out[38]: array([1., 1., 1.])

Но в этом нет необходимости. M уже имеет метод diagonal:

In [39]: M.diagonal()                                                           
Out[39]: array([1., 1., 1.])

np.sum действительно работает, потому что он делегирует действие методу (посмотрите его код):

In [40]: M.sum(axis=0)                                                          
Out[40]: matrix([[1., 1., 1.]])
In [41]: np.sum(M, axis=0)                                                      
Out[41]: matrix([[1., 1., 1.]])

Как правило, старайтесь использовать sparse функции и методы на разреженных матрицах. Не рассчитывайте, что функции numpy будут работать правильно. sparse построен на numpy, но numpy не «знает» о sparse.