我有一个具有以下特性的矩阵A。
<1047x1047 sparse matrix of type '<class 'numpy.float64'>'
with 888344 stored elements in Compressed Sparse Column format>
A具有此内容。
array([[ 1.00000000e+00, -5.85786642e-17, -3.97082034e-17, ...,
0.00000000e+00, 0.00000000e+00, 0.00000000e+00],
[ 6.82195979e-17, 1.00000000e+00, -4.11166786e-17, ...,
0.00000000e+00, 0.00000000e+00, 0.00000000e+00],
[-4.98202332e-17, 1.13957868e-17, 1.00000000e+00, ...,
0.00000000e+00, 0.00000000e+00, 0.00000000e+00],
...,
[ 4.56847824e-15, 1.32261454e-14, -7.22890998e-15, ...,
1.00000000e+00, 0.00000000e+00, 0.00000000e+00],
[-9.11597396e-15, -2.28796167e-14, 1.26624823e-14, ...,
0.00000000e+00, 1.00000000e+00, 0.00000000e+00],
[ 1.80765584e-14, 1.93779820e-14, -1.36520100e-14, ...,
0.00000000e+00, 0.00000000e+00, 1.00000000e+00]])
现在，我正尝试从此稀疏稀疏矩阵创建一个 sympy 稀疏矩阵。
from sympy.matrices import SparseMatrix
A = SparseMatrix(A)
但是我收到此错误消息。
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all().
我很困惑，因为该矩阵没有逻辑条目。
感谢您的帮助！
答案 0 :(得分：3)
当遇到无法理解的错误时，请花一些时间查看回溯。或者至少向我们展示！
In [288]: M = sparse.random(5,5,.2, 'csr')
In [289]: M
Out[289]:
<5x5 sparse matrix of type '<class 'numpy.float64'>'
with 5 stored elements in Compressed Sparse Row format>
In [290]: print(M)
(1, 1) 0.17737340878962138
(2, 2) 0.12362174819457106
(2, 3) 0.24324155883057885
(3, 0) 0.7666429046432961
(3, 4) 0.21848551209470246
In [291]: SparseMatrix(M)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-291-cca56ea35868> in <module>
----> 1 SparseMatrix(M)
/usr/local/lib/python3.6/dist-packages/sympy/matrices/sparse.py in __new__(cls, *args, **kwargs)
206 else:
207 # handle full matrix forms with _handle_creation_inputs
--> 208 r, c, _list = Matrix._handle_creation_inputs(*args)
209 self.rows = r
210 self.cols = c
/usr/local/lib/python3.6/dist-packages/sympy/matrices/matrices.py in _handle_creation_inputs(cls, *args, **kwargs)
1070 if 0 in row.shape:
1071 continue
-> 1072 elif not row:
1073 continue
1074
/usr/local/lib/python3.6/dist-packages/scipy/sparse/base.py in __bool__(self)
281 return self.nnz != 0
282 else:
--> 283 raise ValueError("The truth value of an array with more than one "
284 "element is ambiguous. Use a.any() or a.all().")
285 __nonzero__ = __bool__
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all().
全面了解需要阅读sympy代码，但是粗略的外观表明它试图将您的输入作为“完整矩阵”来处理，并查看行。该错误不是您对条目执行逻辑运算的结果，而是sympy对您的稀疏矩阵进行了逻辑测试。它正在尝试检查行是否为空（以便可以跳过它）。
SparseMatrix文档可能不是最清晰的文档，但是大多数示例要么显示点的字典，要么显示ALL值加上形状的平面数组，要么显示列表参差不齐。我怀疑它正在尝试以这种方式处理您的矩阵，逐行查看它。
但是M的行本身就是一个稀疏矩阵：
In [295]: [row for row in M]
Out[295]:
[<1x5 sparse matrix of type '<class 'numpy.float64'>'
with 0 stored elements in Compressed Sparse Row format>,
<1x5 sparse matrix of type '<class 'numpy.float64'>'
with 1 stored elements in Compressed Sparse Row format>,
...]
并尝试检查该行是否为空not row会产生此错误：
In [296]: not [row for row in M][0]
...
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all().
很显然SparseMatrix无法按原样处理scipy.sparse矩阵（至少不是csr或csc格式，而且可能不是其他格式。加上{{1 }}在scipy.sparse文档中没有提到！
将稀疏矩阵转换为其密集的等效项确实可行：
SparseMatrix或列表列表：
In [297]: M.A
Out[297]:
array([[0. , 0. , 0. , 0. , 0. ],
[0. , 0.17737341, 0. , 0. , 0. ],
[0. , 0. , 0.12362175, 0.24324156, 0. ],
[0.7666429 , 0. , 0. , 0. , 0.21848551],
[0. , 0. , 0. , 0. , 0. ]])
In [298]: SparseMatrix(M.A)
Out[298]:
⎡ 0 0 0 0 0 ⎤
...⎦
SparseMatrix(M.A.tolist())
格式将稀疏矩阵存储为dok，然后可以是
dict可以很好地用作输入：
In [305]: dict(M.todok())
Out[305]:
{(3, 0): 0.7666429046432961,
(1, 1): 0.17737340878962138,
(2, 2): 0.12362174819457106,
(2, 3): 0.24324155883057885,
(3, 4): 0.21848551209470246}
我不知道什么是最有效的。通常，在与SparseMatrix(5,5,dict(M.todok()))
合作时，我们（或至少我）不担心效率。只要让它工作就足够了。在sympy中，效率可能更为重要，因为其中的数组可能很大，而使用快速编译的numpy方法会大大提高速度。
最后-numpy/scipy和numpy未集成。这也适用于稀疏版本。 sympy是基于Python构建的，而不是sympy。因此，以列表和字典形式的输入最有意义。
答案 1 :(得分：1)
from sympy.matrices import SparseMatrix
import scipy.sparse as sps
A = sps.random(100, 10, format="dok")
B = SparseMatrix(100, 10, dict(A.items()))
从喜欢高效内存结构的人的角度来看，这就像盯着深渊。但这会起作用。
答案 2 :(得分：1)
这是错误的简化版本。
from scipy import sparse
row = np.array([0, 0, 1, 2, 2, 2])
col = np.array([0, 2, 2, 0, 1, 2])
data = np.array([1, 2, 3, 4, 5, 6])
A = sparse.csc_matrix((data, (row, col)), shape=(3, 3))
所以A是一个包含6个元素的稀疏矩阵：
<3x3 sparse matrix of type '<class 'numpy.intc'>'
with 6 stored elements in Compressed Sparse Column format>
在其上调用SparseMatrix()会返回与您相同的错误。您可能想先将A转换为numpy数组：
>>> SparseMatrix(A.todense())
Matrix([
[1, 0, 2],
[0, 0, 3],
[4, 5, 6]])