如何解决如何有效地将scipy稀疏矩阵转换为sympy稀疏矩阵？
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],[ 6.82195979e-17,1.00000000e+00,-4.11166786e-17,[-4.98202332e-17,1.13957868e-17,[ 4.56847824e-15,1.32261454e-14,-7.22890998e-15,[-9.11597396e-15,-2.28796167e-14,1.26624823e-14,[ 1.80765584e-14,1.93779820e-14,-1.36520100e-14,1.00000000e+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！
解决方法
错误
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,**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！
来自密集数组
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.,0.17737341,0.12362175,0.24324156,[0.7666429,0.21848551],0. ]])
In [298]: SparseMatrix(M.A)
Out[298]:
⎡ 0 0 0 0 0 ⎤
...⎦
来自字典
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): 0.12362174819457106,3): 0.24324155883057885,(3,4): 0.21848551209470246}
我不知道什么是最有效的。通常，在与SparseMatrix(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。
from sympy.matrices import SparseMatrix
import scipy.sparse as sps
A = sps.random(100,10,format="dok")
B = SparseMatrix(100,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。
,这是错误的简化版本。
from scipy import sparse
row = np.array([0,1,2,2])
col = np.array([0,2])
data = np.array([1,3,4,6])
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([
[1,2],[0,3],[4,6]])
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
