我是Python的新手，如果这是一个基本问题，请提前原谅我，但我已经四处寻找并且没有找到令人满意的答案。
我正在尝试使用NumPy和SciPy执行以下操作：
I,J = x[:,0], x[:1] # x is a two column array of (r,c) pairs
V = ones(len(I))
G = sparse.coo_matrix((V,(I,J))) # G's dimensions are 1032570x1032570
G = G + transpose(G)
r,c = G.nonzero()
G[r,c] = 1
...
NotImplementedError: Fancy indexing in assignment not supported for csr matrices
差不多，我希望在添加转置后所有非零值都等于1，但我得到了花哨的索引错误消息。
或者，如果我可以证明矩阵G是对称的，则不需要添加转置。
非常感谢对这两种方法的任何见解。
答案 0 :(得分：6)
除了执行G = G / G之类的操作外，您还可以对G.data进行操作。
所以，在你的情况下，做任何一个：
G.data = np.ones(G.nnz)
或
G.data[G.data != 0] = 1
会做你想做的事。这更灵活，因为它允许您预先形成其他类型的过滤器（例如G.data[G.data > 0.9] = 1或G.data = np.random.random(G.nnz)）
如果第二个选项的值非零，则第二个选项仅将值设置为1。在某些计算过程中，您将得到“密集”的零值（即它们实际上存储为稀疏数组中的值）。 （您可以使用G.eliminate_zeros()）