Python TypeError使用Scipy的coo_matrix.todense()

时间:2013-05-10 23:35:27

标签: python-2.7 scipy typeerror

我最近在使用coo_matrixscipy转换为密集矩阵时遇到了困难。我有一个dtype float16稀疏矩阵,并尝试将其转换为密集矩阵。错误抱怨给出类型为char的数组。但是,我确信我传递的是float16类型的数组。

错误是:

    self.Xd_train = X_train.todense()
File "C:\Python27\lib\site-packages\scipy\sparse\base.py", line 501, in todense
  return np.asmatrix(self.toarray(order=order, out=out))
File "C:\Python27\lib\site-packages\scipy\sparse\coo.py", line 241, in toarray
  B.ravel('A'), fortran)
File "C:\Python27\lib\site-packages\scipy\sparse\sparsetools\coo.py", line 175, in coo_todense
  return _coo.coo_todense(*args)
TypeError: Array of type 'float' required.  Array of type 'char' given

错误出现在类构造函数中:

self.Xd_train = X_train.todense()

矩阵X_train似乎格式正确,绝对不属于char类型:

>> X_train.dtype
float16

>> X_train.shape
(6206, 4712)

>> type(X_train)
<class 'scipy.sparse.coo.coo_matrix'>

>> str(X_train)

(0, 63)       2.0
(0, 72)       1.0
(0, 76)       2.0
(0, 100)      1.0
(0, 104)      1.0
(0, 5)        1.0
(0, 10)       2.0
(0, 134)      2.0
(0, 20)       3.0
(0, 263)      1.0
(0, 264)      1.0
(0, 265)      1.0
(0, 27)       1.0
(0, 148)      2.0
(0, 32)       1.0
(0, 275)      1.0
(0, 35)       1.0
(0, 36)       1.0
(0, 279)      1.0
(0, 39)       1.0
(0, 41)       1.0
(0, 42)       1.0
(0, 52)       1.0
(0, 59)       4.0
(1, 72)       1.0
:     :
(6205, 133)   1.0
(6205, 134)   4.0
(6205, 135)   4.0
(6205, 136)   2.0
(6205, 137)   6.0
(6205, 138)   1.0
(6205, 139)   4.0
(6205, 20)    4.0
(6205, 142)   4.0
(6205, 23)    2.0
(6205, 24)    2.0
(6205, 26)    2.0
(6205, 27)    2.0
(6205, 32)    1.0
(6205, 33)    1.0
(6205, 35)    1.0
(6205, 36)    1.0
(6205, 37)    1.0
(6205, 39)    1.0
(6205, 40)    1.0
(6205, 41)    1.0
(6205, 42)    1.0
(6205, 43)    1.0
(6205, 56)    3.0
(6205, 60)    1.0

对问题可能是什么的任何想法?另外,如果需要其他详细信息/信息,请与我们联系。

我在Windows 7上使用Python 2.7.2,使用Numpy 1.7和Scipy 0.11。感谢。

1 个答案:

答案 0 :(得分:2)

此错误也发生在最新的scipy master分支中。例如。

>>> coo_matrix([[0]], dtype=np.float16).todense()

提出了同样的例外。数据类型np.float16相对较新,scipy(可能还有其他地方)有很多代码未经过测试。

如果您将稀疏矩阵更改为np.float32,它应该可以正常工作。

我在scipy github网站上为此创建了一个问题:https://github.com/scipy/scipy/issues/2481