Python 值错误：使用序列设置数组元素

输入A是一个稀疏格式的邻接矩阵。我得到上面的错误：

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

回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“”，第8行，在get列中
ValueError:使用序列设置数组元素。

您遇到的问题是，您正试图将稀疏矩阵指定给密集矩阵。这不是自动完成的。不过，通过使用

.todense（）

，将稀疏矩阵转换为密集矩阵，修复起来相当简单：

如果您希望输出稀疏，那么您必须确保输出矩阵

Q

从一开始就是稀疏的。这可以通过以下方式实现：

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

---

可以看出，

Q

是作为

a

的副本创建的。这使得同一元素在两个矩阵中都不为零，这确保了有效的更新，因为不会添加任何新元素。

您最好在此处粘贴堆栈跟踪，而不是使用图像。查看

sc.divide（…）

。这是怎么一回事？它是一个适合

Q[：，i]

的数组吗？如果您还使用密集数组（例如，

a.a

）演示此操作，可能会有所帮助。但我也希望Q是稀疏矩阵。那么，我是否应该在下一步中再次将Q转换为稀疏格式？对于大型矩阵，这不是非常低效和缓慢吗？您将

Q

定义为密集。尝试将稀疏行放入其中，即使有效，也不会使其稀疏。但我必须将Q初始化为零矩阵。因为它没有稀疏表示法，所以我必须将其初始化为密集矩阵。@debmalyasarkar我添加了一个解决方案，使

Q

成为稀疏矩阵。希望这就是你所希望的。哦，是的。这就是我所希望的。非常感谢！

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

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