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 中，但出现广播错误。 ndarray 的形状为 (M,)，而密集矩阵的形状为 (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,)，形状变为 (M,M)。谁能解释一下我哪里搞砸了。
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。如果这是一个错误的问题或者这个问题之前已经被问过(我找不到)，我们深表歉意
请您参考如下方法:
给 future 的 google 员工的旁注，OP 的代码导入了以下包:
> import numpy as np
> import scipy.sparse as sp
不管怎样，让我们从我们的解释开始吧。
您可以使用以下方法检查您的矩阵大小:
> np.shape(your_matrix_here) #equals to MATLAB: > size(your_matrix_here)
当你调用 todense() 时，你得到了:
matrix([[ 1000.], #shape: (1, 100)
[ 1000.],
[ 1000.],
...
而 a[:,1] 看起来像这样:
array([ 0., 0., ... , 0., 0.]) #shape: (100,)
因此您可能想使用 transpose() 转置矩阵。
但是转置矩阵返回包含矩阵的矩阵:
matrix([[ 1000., 1000., ... , 1000., 1000.]]) #shape: (1, 100)
并且由于某些原因 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!
这可以通过以下方式解决:
> np.array(d.dot(b).todense().transpose())[0]
因此返回:
array([ 1000., 1000., ... 1000., 1000.])
现在他们两个得到了相同的形状，允许他们进行矩阵运算:
> np.shape(np.array(d.dot(b).todense().transpose())[0]) #(100,)
> np.shape(a[:,1]) #(100,)
总之，您要更改此行:
a[:,k] += d.dot(b).todense()
到:
a[:,k] += np.array(d.dot(b).todense().transpose())[0]
