python - scipy.sparse.csr_matrix 数据的意外行为

Question

这里的数据有些奇怪。

如果我创建一个 scipy.sparse.csr_matrix ，其 data 属性仅包含 0 和 1，然后要求它打印 data 属性，有时会出现 2在输出中(其他时候不是)。

您可以在此处看到此行为:

from scipy.sparse import csr_matrix
import numpy as np
from collections import OrderedDict

#Generate some fake data
#This makes an OrderedDict of 10 scipy.sparse.csr_matrix objects, 
#with 3 rows and 3 columns and binary (0/1) values

od = OrderedDict()
for i in range(10):
        row = np.random.randint(3, size=3)
        col = np.random.randint(3, size=3)
        data = np.random.randint(2, size=3)
        print 'data is: ', data
        sp_matrix = csr_matrix((data, (row, col)), shape=(3, 3))
        od[i] = sp_matrix

#Print the data in each scipy sparse matrix
for i in range(10):
        print 'data stored in sparse matrix: ',  od[i].data

它会打印如下内容:

data is:  [1 0 1]
data is:  [0 0 1]
data is:  [0 0 0]
data is:  [0 0 0]
data is:  [1 1 1]
data is:  [0 0 0]
data is:  [1 1 0]
data is:  [1 0 1]
data is:  [0 0 0]
data is:  [0 0 1]
data stored in sparse matrix:  [1 1 0]
data stored in sparse matrix:  [0 0 1]
data stored in sparse matrix:  [0 0]
data stored in sparse matrix:  [0 0 0]
data stored in sparse matrix:  [2 1]
data stored in sparse matrix:  [0 0 0]
data stored in sparse matrix:  [1 1 0]
data stored in sparse matrix:  [1 1 0]
data stored in sparse matrix:  [0 0 0]
data stored in sparse matrix:  [1 0 0]

为什么稀疏矩阵中存储的数据不能反射(reflect)原来存放在那里的数据(原始数据中没有2)？

Answer 1

我假设，你的矩阵创建方式:

sp_matrix = csr_matrix((data, (row, col)), shape=(3, 3))

将在后台使用coo_matrix( 尚未找到相关来源 ；见底部)。

在这种情况下，docs (对于首席运营官)说:

By default when converting to CSR or CSC format, duplicate (i,j) entries will be summed together. This facilitates efficient construction of finite element matrices and the like. (see example)

您的随机矩阵例程不会检查重复条目。

编辑:好的。它认为我找到了代码。

csr_matrix : 无构造函数代码 -> 从 _cs_matrix

继承

compressed.py: _cs_matrix

和there :

      else:
            if len(arg1) == 2:
                # (data, ij) format
                from .coo import coo_matrix
                other = self.__class__(coo_matrix(arg1, shape=shape))
                self._set_self(other)