Question

我正在从scipy稀疏矩阵转换为密集矩阵，并使用+ =运算符将其添加到ndarray，我收到广播错误。 ndarray具有形状（M，），而密集矩阵具有形状（M，1）。当我尝试将numpy.matrix转换为ndarray时，形状变为（1，M）。我也尝试在转换后使用reshape（M，）并且形状变为（M，M）。有人可以解释一下我搞砸了。

M = 100
N = 1000
K = 4
a= np.zeros((M,K))

b = sp.csr_matrix(np.ones((N,1)))
d = sp.csr_matrix(np.ones((M,N)))

c = np.ones(())
for k in range(K): 
    a[:,k] += d.dot(b).todense()

P.S：我是python和stackoverflow的新手。如果这是一个错误框架的问题，或者如果之前已经提出这个问题（我找不到），请道歉

Answer 1

对未来googlers的旁注，OP的代码导入了以下包：

> import numpy as np
> import scipy.sparse as sp

无论如何，让我们从我们的解释开始。

您可以使用以下方法检查矩阵大小：

> np.shape(your_matrix_here) #equals to MATLAB: > size(your_matrix_here)

当你打电话给todense（）时，你得到了：

matrix([[ 1000.],  #shape: (1, 100)
        [ 1000.],
        [ 1000.],
        ...

虽然[：，1]看起来像这样：

array([ 0.,  0., ... ,  0.,  0.]) #shape: (100,)

因此，您可能希望使用transpose（）转置矩阵。

但转置矩阵会返回包含矩阵的矩阵：

matrix([[ 1000.,  1000., ... , 1000.,  1000.]]) #shape: (1, 100)

由于某种原因d.dot(b).todense().transpose()[0]没有返回矩阵的第一个元素：

matrix([[ 1000.,  1000., ... , 1000.,  1000.]]) #still the same!

可以使用以下方法修复：

> np.array(d.dot(b).todense().transpose())[0]

因此返回：

array([ 1000.,  1000., ... 1000.,  1000.])

现在其中两个具有相同的形状，允许它们执行矩阵操作：

> np.shape(np.array(d.dot(b).todense().transpose())[0]) #(100,)

> np.shape(a[:,1])                                      #(100,)

总之，您想要更改此行：

a[:,k] += d.dot(b).todense()

为：

a[:,k] += np.array(d.dot(b).todense().transpose())[0]

添加ndarray和稀疏矩阵在python中转换为密集时出现广播错误

1 个答案: