Numpy 应用scipy.sparse.linalg.svds将返回nan值
我开始使用scipy.sparse库，当我尝试应用scipy.sparse.linalg.svds时，如果有零个奇异值，我会得到一个错误 我这样做是因为最后我将使用非常大和非常稀疏的矩阵，其条目只有{+1，-1}，它们是而不是正方形（>1100*1000大小，稀疏度>0.99），我想知道它们的秩。 我大致知道秩是什么，它几乎是满的，所以只有知道最后的奇异值才能告诉我秩到底是什么 这就是为什么我选择使用Numpy 应用scipy.sparse.linalg.svds将返回nan值,numpy,scipy,sparse-matrix,svd,arpack,Numpy,Scipy,Sparse Matrix,Svd,Arpack,我开始使用scipy.sparse库，当我尝试应用scipy.sparse.linalg.svds时，如果有零个奇异值，我会得到一个错误 我这样做是因为最后我将使用非常大和非常稀疏的矩阵，其条目只有{+1，-1}，它们是而不是正方形（>1100*1000大小，稀疏度>0.99），我想知道它们的秩。 我大致知道秩是什么，它几乎是满的，所以只有知道最后的奇异值才能告诉我秩到底是什么 这就是为什么我选择使用scipy.sparse.linalg.svds并设置which='LM'。如果秩未满，则会出现
scipy.sparse.linalg.svdswhich='LM'import numpy as np
import scipy.sparse as sp
import scipy.sparse.linalg as la
a = np.array([[0, 0, 0], [0, 0, 0], [1, 1, -1]], dtype='d')
sp_a = sp.csc_matrix(a)
s = la.svds(sp_a, k=2, return_singular_vectors=False, which='SM')
print(s)
[ nan 9.45667059e-12]
/usr/lib/python3/dist-packages/scipy/sparse/linalg/eigen/arpack/arpack.py:1849:RuntimeWarning:sqrt中遇到无效值
s=np.sqrt（eigvals）