Python Scipy给出了错误的矩阵乘法结果

我正在使用

scipy

对稀疏矩阵进行矩阵乘法。由于某些原因，

.power（）

方法不适用于稀疏矩阵。我用三种方法进行了检查：

这是我的密码：

import scipy as sp
import scipy.sparse 

方法1：普通矩阵乘法

row = np.array([0, 3, 1, 0])
col = np.array([0, 3, 1, 2])
data = np.array([4, 5, 7, 9])
P1 = sp.sparse.coo_matrix((data, (row, col)), shape=(4, 4))
#Method 1
P1.power(4).todense() #gives wrong result

结果：

matrix([[ 256,    0, 6561,    0],  #6561 isn't right
        [   0, 2401,    0,    0],
        [   0,    0,    0,    0],
        [   0,    0,    0,  625]], dtype=int32)

P = P1.copy()
#calculate ^4
for loop in range(2):
    P = P.dot(P)
P.todense()

matrix([[ 256,    0,  576,    0],
        [   0, 2401,    0,    0],
        [   0,    0,    0,    0],
        [   0,    0,    0,  625]], dtype=int32)

[[ 256    0  576    0]
 [   0 2401    0    0]
 [   0    0    0    0]
 [   0    0    0  625]]

方法2:

matrix([[ 256,    0, 6561,    0],  #6561 isn't right
        [   0, 2401,    0,    0],
        [   0,    0,    0,    0],
        [   0,    0,    0,  625]], dtype=int32)

P = P1.copy()
#calculate ^4
for loop in range(2):
    P = P.dot(P)
P.todense()

matrix([[ 256,    0,  576,    0],
        [   0, 2401,    0,    0],
        [   0,    0,    0,    0],
        [   0,    0,    0,  625]], dtype=int32)

[[ 256    0  576    0]
 [   0 2401    0    0]
 [   0    0    0    0]
 [   0    0    0  625]]

输出

matrix([[ 256,    0,  576,    0],
        [   0, 2401,    0,    0],
        [   0,    0,    0,    0],
        [   0,    0,    0,  625]], dtype=int32)

方法3

P1.dot(P1).dot(P1).dot(P1).todense()

输出：

matrix([[ 256,    0, 6561,    0],  #6561 isn't right
        [   0, 2401,    0,    0],
        [   0,    0,    0,    0],
        [   0,    0,    0,  625]], dtype=int32)

P = P1.copy()
#calculate ^4
for loop in range(2):
    P = P.dot(P)
P.todense()

matrix([[ 256,    0,  576,    0],
        [   0, 2401,    0,    0],
        [   0,    0,    0,    0],
        [   0,    0,    0,  625]], dtype=int32)

[[ 256    0  576    0]
 [   0 2401    0    0]
 [   0    0    0    0]
 [   0    0    0  625]]

方法4:

matrix([[ 256,    0, 6561,    0],  #6561 isn't right
        [   0, 2401,    0,    0],
        [   0,    0,    0,    0],
        [   0,    0,    0,  625]], dtype=int32)

P = P1.copy()
#calculate ^4
for loop in range(2):
    P = P.dot(P)
P.todense()

matrix([[ 256,    0,  576,    0],
        [   0, 2401,    0,    0],
        [   0,    0,    0,    0],
        [   0,    0,    0,  625]], dtype=int32)

[[ 256    0  576    0]
 [   0 2401    0    0]
 [   0    0    0    0]
 [   0    0    0  625]]

可以在以下位置查看结果：

---

关于这个主题（，）的其他线程主要关注如何进行矩阵乘法。非常感谢您的帮助。

您可以使用

**

符号：

(P1**4).todense()

结果：

matrix([[ 256,    0, 6561,    0],  #6561 isn't right
        [   0, 2401,    0,    0],
        [   0,    0,    0,    0],
        [   0,    0,    0,  625]], dtype=int32)

P = P1.copy()
#calculate ^4
for loop in range(2):
    P = P.dot(P)
P.todense()

matrix([[ 256,    0,  576,    0],
        [   0, 2401,    0,    0],
        [   0,    0,    0,    0],
        [   0,    0,    0,  625]], dtype=int32)

[[ 256    0  576    0]
 [   0 2401    0    0]
 [   0    0    0    0]
 [   0    0    0  625]]

编辑：关于

.power（）

未返回预期结果的原因：

-正如他们在报告中提到的：

p.power（2）

是“元素级功率”<代码>9**4=

6561

---

p.power（2）

是“元素级功率”<代码>9**4=

6561

。你链接的第一个线程也这么说（甚至在标题中）。谢谢Zinki。如果你能补充一个答案，我可以接受。谢谢。恕我直言，问题不是关于如何进行乘法，而是关于为什么我得到了错误的答案。我相信有五万种乘法方法。不客气！Zinki的评论或多或少地总结了为什么你没有得到正确的结果。哦，谢谢…刚刚看到了…太棒了。如果你能修改你的答案，我会接受的。