Numpy scipy.csr_矩阵导致的意外结果

这让我

>>> import numpy as np
>>> from scipy.sparse import *
>>> x1 = np.eye(3, dtype=float)
>>> x2 = csr_matrix(x1, dtype=float, shape =x1.shape)
>>> assert x2.todense().any()==x1.any()  ## holds true
>>> w = np.ones((3,1))
>>> dw1 = w - x1[:,0]
>>> dw2 = w - x2[:,0]

当

---

我的问题是为什么dw1和dw2不同？如果他们推迟，这是一个错误吗？非常感谢

这是一个切片/索引问题。这里有疑问的是

>>> print dw2
[[ 0.]
 [ 1.]
 [ 1.]]

这与稀疏无关。您已切片x1，获得1D数组。当它从w中减去时，numpy将这个数组广播回一个3乘3的矩阵（因为它等于这两个项的列数），我想这不是您想要的

看起来您只需要由x1的第一列组成的子矩阵。这将是

w - x1[:, 0]

返回

w - x1[:, [0]]

与其他结果一致

---

对于稀疏矩阵，您会自动获得子矩阵（而不是1D数组），因为索引对这些子矩阵的工作方式不同

这是因为这些切片分别是

1D

和

2D

-

array([[ 0.],
       [ 1.],
       [ 1.]])

另外，

w

是一个2D数组-

In [23]: x1[:,0]
Out[23]: array([ 1.,  0.,  0.])

In [24]: x2[:,0].toarray()
Out[24]: 
array([[ 1.],
       [ 0.],
       [ 0.]])

In [29]: x1[:,0].ndim
Out[29]: 1

In [30]: x2[:,0].toarray().ndim
Out[30]: 2

因此，随着

w的减法，w

分别沿

w的不同轴执行，即第二轴和第一轴。
x2
是稀疏矩阵，其行为非常类似于密集矩阵，例如
np.matrix（x1）
。这里
x2[：，0]
是（3,1）矩阵。
In [23]: x1[:,0]
Out[23]: array([ 1.,  0.,  0.])

In [24]: x2[:,0].toarray()
Out[24]: 
array([[ 1.],
       [ 0.],
       [ 0.]])

In [29]: x1[:,0].ndim
Out[29]: 1

In [30]: x2[:,0].toarray().ndim
Out[30]: 2

In [33]: w
Out[33]: 
array([[ 1.],
       [ 1.],
       [ 1.]])

In [34]: w.ndim
Out[34]: 2