Question

我尝试了以下代码片段，遗憾的是它失败了，因为connected_components的pydoc未记录的内容的等级不是1。

import numpy
from scipy.sparse import csc_matrix
from sklearn.utils.sparsetools import connected_components

connected_components(numpy.ones(shape=(3,3), dtype=numpy.bool))

这会导致此错误：

Traceback (most recent call last):
  File "<string>", line 1, in <module>
  File "_traversal.pyx", line 75, in sklearn.utils.mst._traversal.connected_components (sklearn/utils/sparsetools/_traversal.c:1495)
  File "/usr/local/lib/python3.4/dist-packages/sklearn/utils/sparsetools/_graph_validation.py", line 50, in validate_graph
    nan_null=nan_null)
  File "_graph_tools.pyx", line 166, in sklearn.utils._graph_tools.csgraph_from_dense (sklearn/utils/sparsetools/_graph_tools.c:2601)
  File "_graph_tools.pyx", line 70, in sklearn.utils._graph_tools.csgraph_from_masked (sklearn/utils/sparsetools/_graph_tools.c:1816)
  File "/usr/local/lib/python3.4/dist-packages/scipy/sparse/compressed.py", line 88, in __init__
    self.check_format(full_check=False)
  File "/usr/local/lib/python3.4/dist-packages/scipy/sparse/compressed.py", line 156, in check_format
    raise ValueError('data, indices, and indptr should be 1-D')
ValueError: data, indices, and indptr should be 1-D

另一方面，这有效：

connected_components(csc_matrix(numpy.ones(shape=(3,3), dtype=numpy.bool)))
#output: (1, array([0, 0, 0], dtype=int32))

同样，这也有效：

connected_components(numpy.zeros(shape=(3,3), dtype=numpy.bool))
#output: (1, array([0, 1, 2], dtype=int32))

connected_components状态的pydoc：

graph : array_like or sparse
  The N x N matrix representation of a directed or undirected graph.
  If dense, then non-edges are indicated by zeros or infinities.

这表明numpy.matrix（我认为是array_like或密集）是一个有效的输入。这个错误消息是什么意思？数据，索引和indptr没有排名1是什么意思？我假设密集矩阵被转换为稀疏矩阵，以允许更快或更容易的边缘遍历，因此使用数据，索引，indptr。然而，我无法推断这3个一维结构的等级的含义应该是什么（除了0或1）。

这个错误是什么意思？这是一个错误，还是这个PEBKAC？

干杯！

numpy.ones（n，n）的sklearn.utils.sparsetools.connected_components失败

0 个答案: