添加到常规numpy ndarray时调用scipy.sparse __add__方法？

Question

我正在计算scipy.sparse矩阵（CSC）和numpy ndarray vector之间的点积：

>>> print type(np_vector), np_vector.shape
<type 'numpy.ndarray'> (200,)
>>> print type(sp_matrix), sparse.isspmatrix(sp_matrix), sp_matrix.shape
<class 'scipy.sparse.csc.csc_matrix'> True (200, 200)
>>> dot_vector = dot(np_vector, sp_matrix)

结果似乎是一个新的ndarray载体，正如我所期待的那样：

>>> print type(dot_vector), dot_vector.shape
<type 'numpy.ndarray'> (200,)

但是当我尝试向该向量添加标量时，我收到了异常：

>>> scalar = 3.0
>>> print dot_vector + scalar 
C:\Python27\lib\site-packages\scipy\sparse\compressed.pyc in __add__(self, other)
    173                 return self.copy()
    174             else: # Now we would add this scalar to every element.
--> 175                 raise NotImplementedError('adding a nonzero scalar to a '
    176                                           'sparse matrix is not supported')
    177         elif isspmatrix(other):

NotImplementedError: adding a nonzero scalar to a sparse matrix is not supported

好像结果dot_vector再次是稀疏矩阵。

具体来说，似乎我有一个ndarray，但为__add__运算符调用了稀疏矩阵+。

这是我期望被称为的方法：

>>> print dot_vector.__add__
<method-wrapper '__add__' of numpy.ndarray object at 0x05250690>

我在这里遗漏了什么或这看起来真的很奇怪吗？ 是什么决定了为+运营商调用哪种方法？ 我在IPython Notebook（ipython notebook --pylab inline）中运行此代码。可能是因为IPython --pylab或笔记本内核搞砸了吗？

感谢您的帮助！

Answer 1

您对np.dot所做的事情与您执行以下操作的内容并无太大差别：

>>> np.dot([1, 2, 3], 4)
array([ 4,  8, 12])

因为np.dot不知道稀疏矩阵，所以在你的情况下，返回也是你的原始稀疏矩阵的向量的每个元素的乘积。这可能是在调用稀疏矩阵的__rmul__方法时执行的，所以你得到的是一个200项数组，每个数组本身就是一个稀疏矩阵。当您尝试向该向量添加标量时，它会被广播，当尝试将标量添加到每个矩阵时，会弹出错误。

这样做的正确方法是调用稀疏矩阵的.dot方法。要通过行向量预乘：

>>> aa = sps.csc_matrix(np.arange(9).reshape(3, 3))
>>> bb = np.arange(3)
>>> aa.T.dot(bb)
array([15, 18, 21])

并通过列向量进行后乘：

>>> aa.dot(bb)
array([ 5, 14, 23])

这当然完全等同于您使用数组操作的内容：

>>> aaa = np.arange(9).reshape(3,3)
>>> aaa.dot(bb)
array([ 5, 14, 23])
>>> bb.dot(aaa)
array([15, 18, 21])