Python empty csr_matrix抛出ValueError:无法从大小为零的索引数组推断维度

以下是python SSCCE：

import scipy.sparse
data = []
row = []
col = []
csr = scipy.sparse.csr_matrix((data, (row, col)))  #error happens here
print(type(csr))
print(csr)

我正在用python2.7运行它，我得到一个错误：

raise ValueError('cannot infer dimensions from zero sized index arrays')
ValueError: cannot infer dimensions from zero sized index arrays

当我向他们提供如下值时，它可以正常工作：

csr = scipy.sparse.csr_matrix(([10,20,30], ([0,0,0],[0,1,2])))

csr = scipy.sparse.csr_matrix(([10,20], ([0,0],[0,1])))
csr = scipy.sparse.csr_matrix(([10], ([0],[0])))

或者像这样：

csr = scipy.sparse.csr_matrix(([10,20,30], ([0,0,0],[0,1,2])))

csr = scipy.sparse.csr_matrix(([10,20], ([0,0],[0,1])))
csr = scipy.sparse.csr_matrix(([10], ([0],[0])))

我阅读了以下文件： 及

但这似乎不能解释为什么我不能制作一个包含零项的csr矩阵

---

这个错误是怎么回事？我猜scipy.sparse.csr.csr_矩阵类型在实例化时必须至少有一个值？这似乎是一个愚蠢的限制

Scipy稀疏矩阵具有确定的形状，例如（m，n），其中m是行数，n是列数。例如，在编写时，

csr_矩阵（[1,2]，（[0,3]，[1,4]）

，

csr_矩阵

根据行和列索引的最大值推断形状。但是当您编写

csr_矩阵（（[]，（[]，[]））

时，函数无法知道矩阵的形状应该是什么（我猜它在默认情况下不会创建形状为（0，0）的矩阵）

一种处理方法是给出一个显式的

形状

：

In [241]: csr_matrix(([], ([], [])), shape=(3, 3))
Out[241]: 
<3x3 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in Compressed Sparse Row format>

In [480]: sparse.csr_matrix(([],([],[])),shape=(1000,1000))
Out[480]: 
<1000x1000 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in Compressed Sparse Row format>
In [481]: M=_
In [482]: M[34,334]=1000
/usr/lib/python3/dist-packages/scipy/sparse/compressed.py:730: SparseEfficiencyWarning: Changing the sparsity structure of a csr_matrix is expensive. lil_matrix is more efficient.
  SparseEfficiencyWarning)

[241]中的

：csr_矩阵（[]，（[]，[]），形状=（3,3））
Out[241]：

您可以从空的密集矩阵或通过给定形状参数生成空的稀疏矩阵：

In [477]: from scipy import sparse
In [478]: sparse.csr_matrix([])
Out[478]: 
<1x0 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in Compressed Sparse Row format>
In [479]: sparse.csr_matrix(([],([],[])),shape=(0,0))
Out[479]: 
<0x0 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in Compressed Sparse Row format>

但考虑到插入值或连接新矩阵的效率低下，我不明白你为什么要制造这样的生物

当第一个参数是元组时，

sparse.coo_matrix

中的相关代码：

           try:
                obj, (row, col) = arg1
            except (TypeError, ValueError):
                raise TypeError('invalid input format')

            if shape is None:
                if len(row) == 0 or len(col) == 0:
                    raise ValueError('cannot infer dimensions from zero '
                                     'sized index arrays')
                M = np.max(row) + 1
                N = np.max(col) + 1
                self.shape = (M, N)

---

实际上，您可能应该给出一个明确的形状，而不是让SciPy猜测，即使数组不是空的。您可以创建一个空的csr_矩阵，如下所示：

csr=SciPy.sparse.csr_矩阵（（0，0））

。但是，它不会从空列表中推断出这一点。这就是问题所在，为什么它必须推断出某些地方出了问题，而不是我们正确地不需要任何元素？答案是因为事情就是这样，处理好它。