以下是一个解决方法的示例代码：

from scipy.sparse import csr_matrix

# 创建稀疏矩阵
matrix = csr_matrix([[0, 0, 1], [2, 0, 0], [0, 3, 0], [0, 0, 4]])

# 获取矩阵的行数和列数
rows, cols = matrix.shape

# 按列进行分组，对每一列的非零元素进行求和
column_sums = {}
for col in range(cols):
    col_data = matrix[:, col].toarray().flatten()  # 获取当前列的数据并转换为一维数组
    col_sum = sum(col_data)  # 对当前列的非零元素求和
    column_sums[col] = col_sum

print(column_sums)

输出结果为：

{0: 2, 1: 3, 2: 5}

以上代码首先使用csr_matrix函数创建一个稀疏矩阵，然后通过shape属性获取矩阵的行数和列数。接下来，使用一个循环遍历每一列的索引，并通过索引获取该列的数据。使用toarray方法将列数据转换为一维数组，然后使用flatten方法将数组扁平化。然后，对扁平化后的数组进行求和操作，得到该列的非零元素之和。最后，将列索引和求和结果存储在一个字典中，其中键表示列索引，值表示该列的非零元素之和。最后，打印出字典的内容，即为按列分组求和的结果。