使用花式索引修改稀疏矩阵

如何解决使用花式索引修改稀疏矩阵

我正在尝试使用花哨的索引来修改大型稀疏矩阵。假设您有以下代码：

import numpy as np
import scipy.sparse as sp

a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
b = sp.lil_matrix(a)
c = sp.lil_matrix((3,4))
c[[1,2],0] = b[[1,0]

但是，此代码给出了以下错误：

ValueError: shape mismatch in assignment

我不明白为什么这不起作用。两个矩阵具有相同的形状，如果两个矩阵都是 numpy 数组，这通常有效。我将不胜感激。

解决方法

是的，这是稀疏 __setitem__ 的错误。我以前遇到过它（但我只是解决了它）。现在我真的研究了它；首先，你可以很容易地解决这个问题：

import numpy as np
import scipy.sparse as sp

a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
b = sp.lil_matrix(a)
c = sp.lil_matrix((3,4))
c[[1,2],0] = b[[1,0]

这会引发您看到的 ValueError。这不会并且按预期工作：

c[[1,[0]]

>>> c.A
array([[0.,0.,0.],[5.,[9.,0.]])

让我们来看看 the offending __setitem__（我将省略很多没有被调用的代码）：

row,col = self._validate_indices(key)

这很好 - row = [1,2] 和 col = 0

col = np.atleast_1d(col)
i,j = _broadcast_arrays(row,col)

到目前为止一切顺利 - i = [1,2] 和 j = [0,0]

if i.ndim == 1:
# Inner indexing,so treat them like row vectors.
    i = i[None]
    j = j[None]

broadcast_row = x.shape[0] == 1 and i.shape[0] != 1
broadcast_col = x.shape[1] == 1 and i.shape[1] != 1

这是我们的问题 - i 和 j 都变成了形状为 (1,2) 的行向量。 x 此处是您要分配的内容 (b[[1,0])，其形状为 (2,1)；下一步引发 ValueError 原因 x 并且索引不对齐。

>>> c[[1,0].A

ValueError: cannot reshape array of size 4 into shape (2,)

这里有同样的问题，但 __setitem__ 将 x 广播到 (2,2) 数组中，然后再次失败，因为它大于您分配给它的数组。

变通方法 (b[[1,[0]]) 的形状为 (1,2)，这是不正确的，但该错误最终抵消了索引 c 中的错误。

我不确定这个索引代码背后的逻辑到底是什么，所以我不确定如何在不引入其他细微错误的情况下解决这个问题。