Question

我正在使用SciPy处理稀疏矩阵数组，有时一些矩阵没有行或列（即shape = (0,0)）。我希望我的各种其他函数可以忽略这些矩阵，或者执行其他一些智能默认操作。

似乎我不能使用任何稀疏矩阵格式，因为它们抱怨“无效形状”。出于某种原因，matrix([])和matrix([[]])有shape = (1,0)，所以这些都不太好（实际上，这是一个错误吗？这没什么意义......）。

我知道我可以使用None，[]，array([])或类似内容。然而，标准矩阵操作函数在交付时会失败，这意味着我需要分散

if block is not None:

在我的代码中

或类似的。

是否有一个我错过的矩阵类，这将允许我优雅地处理这些情况？

对于任何好奇的人：这是通过变量类型将有限元Jacobian matrix切割成块来实现的。其中一些变量可以固定（固定为常数值），因此没有衍生物。因此雅各比派中没有条目。

Answer 1

是。你可以做到

from scipy import sparse
result = sparse.eye(0)
# result.shape = (0, 0)

Answer 2

矩阵（[[]]） - ＆gt; shape =（1,0）非常有意义;你给它一行，零列;怎么numpy应该猜测你真正想要的是零行呢？

所有数组创建函数（如np.zeros（（0,0））都可以用于您的目的。

Answer 3

有很多方法可以创建0x0稀疏矩阵。例如，

In [16]: from scipy.sparse import csr_matrix, coo_matrix, dok_matrix, eye

In [17]: csr_matrix(([], [[],[]]), shape=(0,0))
Out[17]: 
<0x0 sparse matrix of type '<type 'numpy.float64'>'
with 0 stored elements in Compressed Sparse Row format>

In [18]: coo_matrix(([],[[],[]]), shape=(0,0))
Out[18]: 
<0x0 sparse matrix of type '<type 'numpy.float64'>'
with 0 stored elements in COOrdinate format>

In [19]: dok_matrix((0,0))
Out[19]: 
<0x0 sparse matrix of type '<type 'numpy.float64'>'
with 0 stored elements in Dictionary Of Keys format>

In [20]: eye(0)
Out[20]: 
<0x0 sparse matrix of type '<type 'numpy.float64'>'
with 0 stored elements (1 diagonals) in DIAgonal format>

In [21]: csr_matrix(np.zeros((0, 0)))
Out[21]: 
<0x0 sparse matrix of type '<type 'numpy.float64'>'
with 0 stored elements in Compressed Sparse Row format>

你说你正在砍掉雅可比矩阵。如果你索引一个稀疏矩阵，切片长度为零，你会得到一个0x0的结果：

In [22]: a = np.random.randint(0, 2, size=(10,10))

In [23]: m = csr_matrix(a)

In [24]: m[3:3, 3:3]
Out[24]: 
<0x0 sparse matrix of type '<type 'numpy.int64'>'
with 0 stored elements in Compressed Sparse Row format>

（我正在使用scipy 0.13.2。）

有些稀疏操作可能无法正确处理0x0矩阵，这可能是一个错误。如果您有一些示例，可以将它们添加到您的问题中吗？

Answer 4

您可以尝试以下代码，这很容易。

将numpy导入为np np.zeros（（0,0））

是否可以在NumPy中创建一个没有行或列的虚拟稀疏矩阵？

4 个答案: