值錯誤：與序列設置一個數組元素

Question

def get_column_normalized_matrix(A): 
    d=sp.csr_matrix.get_shape(A)[0]   
    Q=mat.zeros((d,d)) 
    V=mat.zeros((1,d)) 
    sp.csr_matrix.sum(A,axis=0,dtype='int',out=V) 
    for i in range(0,d): 
     if V[0,i]!=0: 
      Q[:,i]=sc.divide(A[:,i],V[0,i]) 
    return Q 

輸入A是稀疏format.I的鄰接矩陣我得到上面的錯誤爲：

Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
    File "<stdin>", line 8, in get_column_normalized_matrix 
ValueError: setting an array element with a sequence. 

Answer 1

你的問題是，您要將稀疏矩陣分配給密集矩陣。這不是自動完成的。這是相當簡單的修復，不過，通過轉動稀疏矩陣成緻密之一，採用.todense()：

import scipy.sparse as sp 
import numpy.matlib as mat 
import scipy as sc 

def get_column_normalized_matrix(A): 
    d=sp.csr_matrix.get_shape(A)[0] 
    Q=mat.zeros((d,d)) 
    V=mat.zeros((1,d)) 
    sp.csr_matrix.sum(A,axis=0,dtype='int',out=V) 
    for i in range(0,d): 
     if V[0,i]!=0: 
      # Explicitly turn the sparse matrix into a dense one: 
      Q[:,i]=sc.divide(A[:,i],V[0,i]).todense() 
    return Q 

如果你不是要輸出爲疏，那麼你必須確保你的輸出矩陣Q是稀疏開始。

def get_column_normalized_matrix(A): 
    d=sp.csr_matrix.get_shape(A)[0] 
    Q=sp.csr_matrix(A) # Create sparse output matrix 
    V=mat.zeros((1,d)) 
    sp.csr_matrix.sum(A,axis=0,dtype='int',out=V) 
    for i in range(0,d): 
     if V[0,i]!=0: 
      # Update sparse matrix 
      Q[:,i]=sc.divide(A[:,i],V[0,i]) 
    return Q 

可以看出，Q創建爲A副本：這可以如下實現。這使得兩個矩陣中的相同元素都不爲零，這確保了有效更新，因爲不會添加新元素。