python - scipy.sparse.hstack(([1], [2])) -> "ValueError: blocks must be 2-D"。为什么？

Question

scipy.sparse.hstack((1, [2])) 和 scipy.sparse.hstack((1, [2])) 运行良好，但是不是 scipy.sparse.hstack(([1], [2]))。为什么会这样？

这是我系统上发生的事情的痕迹:

---

C:\Anaconda>python
Python 2.7.10 |Anaconda 2.3.0 (64-bit)| (default, May 28 2015, 16:44:52) [MSC v.
1500 64 bit (AMD64)] on win32
>>> import scipy.sparse
>>> scipy.sparse.hstack((1, [2]))
<1x2 sparse matrix of type '<type 'numpy.int32'>'
        with 2 stored elements in COOrdinate format>
>>> scipy.sparse.hstack((1, 2))
<1x2 sparse matrix of type '<type 'numpy.int32'>'
        with 2 stored elements in COOrdinate format>
>>> scipy.sparse.hstack(([1], [2]))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Anaconda\lib\site-packages\scipy\sparse\construct.py", line 456, in h
stack
    return bmat([blocks], format=format, dtype=dtype)
  File "C:\Anaconda\lib\site-packages\scipy\sparse\construct.py", line 539, in b
mat
    raise ValueError('blocks must be 2-D')
ValueError: blocks must be 2-D
>>> scipy.version.full_version
'0.16.0'
>>>

Answer 1

在scipy.sparse.hstack((1, [2]))的第一种情况下，数字1被解释为标量值，数字2被解释为稠密矩阵，因此，当您将这两件事结合在一起时，数据类型会被强制转换为标量，您可以正常将其与 scipy.sparse.hstack 结合起来。

这里有一些更多的测试来证明对于多个值也是如此:

In [31]: scipy.sparse.hstack((1,2,[3],[4]))
Out[31]: 
<1x4 sparse matrix of type '<type 'numpy.int64'>'
    with 4 stored elements in COOrdinate format>

In [32]: scipy.sparse.hstack((1,2,[3],[4],5,6))
Out[32]: 
<1x6 sparse matrix of type '<type 'numpy.int64'>'
    with 6 stored elements in COOrdinate format>

In [33]: scipy.sparse.hstack((1,[2],[3],[4],5,[6],7))
Out[33]: 
<1x7 sparse matrix of type '<type 'numpy.int64'>'

如您所见，如果 hstack 中至少有一个标量，这似乎可行。

但是，当您尝试执行 scipy.sparse.hstack(([1],[2])) 的第二种情况时，它们不再都是标量，而是都是稠密的矩阵，并且您不能将 scipy.sparse.hstack 与纯稠密矩阵一起使用。

重现:

In [34]: scipy.sparse.hstack(([1],[2]))
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-45-cd79952b2e14> in <module>()
----> 1 scipy.sparse.hstack(([1],[2]))

/usr/local/lib/python2.7/site-packages/scipy/sparse/construct.pyc in hstack(blocks, format, dtype)
    451 
    452     """
--> 453     return bmat([blocks], format=format, dtype=dtype)
    454 
    455 

/usr/local/lib/python2.7/site-packages/scipy/sparse/construct.pyc in bmat(blocks, format, dtype)
    531 
    532     if blocks.ndim != 2:
--> 533         raise ValueError('blocks must be 2-D')
    534 
    535     M,N = blocks.shape

ValueError: blocks must be 2-D

有关更多信息，请参阅此帖子:Scipy error with sparse hstack

因此，如果你想成功地使用这两个矩阵，你必须先使它们稀疏化，然后再合并它们:

In [36]: A = scipy.sparse.coo_matrix([1])

In [37]: B = scipy.sparse.coo_matrix([2])

In [38]: C = scipy.sparse.hstack([A, B])

In [39]: C
Out[39]: 
<1x2 sparse matrix of type '<type 'numpy.int64'>'
    with 2 stored elements in COOrdinate format>

---

有趣的是，如果您尝试使用密集版本的 hstack 或 numpy.hstack，那么它是完全可以接受的:

In [48]: import numpy as np

In [49]: np.hstack((1, [2]))
Out[49]: array([1, 2])

.... 稀疏矩阵表示的事情搞砸了 ¯\_(ツ)_/¯。