Question

我有两个CSR稀疏矩阵。一个包含sklearn.feature_extraction.text.TfidfVectorizer的转换，另一个包含numpy数组的转换。我试图对两者进行scipy.sparse.hstack来增加特征矩阵，但是我总是会收到错误：

TypeError: 'coo_matrix' object is not subscriptable

下面是代码：

vectorizer = TfidfVectorizer(analyzer="char", lowercase=True, ngram_range=(1, 2), strip_accents="unicode")
ngram_features = vectorizer.fit_transform(df["strings"].values.astype(str))

list_other_features = ["entropy", "string_length"]
other_features = csr_matrix(df[list_other_features].values)

joined_features = scipy.sparse.hstack((ngram_features, other_features))

两个要素矩阵都是scipy.sparse.csr_matrix对象，我也尝试过不转换other_features，而将其保留为numpy.array，但是会导致相同的错误。

Python软件包版本：

numpy == 1.13.3
pandas == 0.22.0
scipy == 1.1.0

在这种情况下，尤其是当我将两个矩阵都转换为coo_matrix时，我不明白为什么它要谈论csr_matrix对象。查看scipy代码，我知道如果输入矩阵是csr_matrix个对象，它将不会进行任何转换。

Answer 1

在scipy.sparse.hstack的源代码中，它调用bmat，如果没有建立快速路径的情况，它会潜在地将矩阵转换为coo_matrix。

诊断

看看我知道的密码，它不会做任何转换如果输入矩阵是csr_matrix个对象。

在bat的{{3}}中，除了要成为csr_matrix对象的两个矩阵之外，实际上还有更多条件，除了两个coo_matrix。查看源代码，需要满足以下两个条件之一

# check for fast path cases
if (N == 1 and format in (None, 'csr') and all(isinstance(b, csr_matrix)
                                               for b in blocks.flat)):
    ...
elif (M == 1 and format in (None, 'csc')
      and all(isinstance(b, csc_matrix) for b in blocks.flat)):
    ...

在source code A = coo_matrix(blocks[i,j])之前被调用。

建议

要解决此问题，建议您再做一次检查，看看是否满足csr_matrix或csc_matrix（上面列出的两个条件）的快速路径要求。请查看bat的整个源代码，以获得更好的理解。如果不符合条件，系统将转发您将矩阵转换为coo_matrix。

Answer 2

目前尚不清楚此错误是在hstack还是在您使用结果之后发生的。

如果它在hstack中，则需要提供一个追溯，以便我们了解发生了什么。

hstack使用bmat，通常会收集所有输入的coo属性，并将它们组合起来以构成一个新的coo矩阵。因此，不管输入（特殊情况除外），结果均为coo。但是hstack也接受fmt参数。

或者您可以添加.tocsr()。如果矩阵已经为csr，就没有额外的成本。

来自稀疏矩阵的hstack的TypeError

2 个答案: