递归加python矩阵稀疏

我是Python新手——我来自matlab。我正在尝试编译以下代码：

import numpy as np
from scipy import sparse

n=3
dim=2^n

sx = np.array([[0,1],[1,0]])
sy = np.array([[0,-1j],[1j,0]])
sz = np.array([[1,0],[0,-1]])
ssx= sparse.csr_matrix(sx)
ssy= sparse.csr_matrix(sy)
ssz= sparse.csr_matrix(sz)


expon1=np.zeros((n,n))
for i in range(n-1):
    expon1[i,i]=1
    expon1[i+1,i]=1
expon1[0,n-1]=1
expon1[n-1,n-1]=1
expon2=np.identity(n)

Sigs1=sparse.csr_matrix(0,(dim, dim))
for j in range(n-1):
    Sig1=sparse.csr_matrix(1)
    for i in range(n-1):
        Sig1=sparse.kron(Sig1,ssx.power(expon1[i,j]))
    Sigs1= Sigs1+Sig1

运行

python3 sparse.py[文件名]

后，终端打印以下文本：

Traceback (most recent call last):
  File "sparse.py", line 31, in <module>
    Sigs1= Sigs1+Sig1
  File "/usr/lib/python3/dist-packages/scipy/sparse/compressed.py", line 341, in __add__
    raise ValueError("inconsistent shapes")
ValueError: inconsistent shapes

回溯（最近一次呼叫最后一次）：
文件“sparse.py”，第31行，在
Sigs1=Sigs1+Sig1
文件“/usr/lib/python3/dist packages/scipy/sparse/compressed.py”，第341行，添加__
raise VALUE错误（“形状不一致”）
ValueError:形状不一致

我没有通读您的全部代码，但看看它，我可以说您的问题可能就在这里

n=3
dim=2^n

---

python中的这个

^

运算符用于按位异或，而这个

**

用于power。

我没有通读您的全部代码，但查看它，我可以说您的问题可能就在这里

n=3
dim=2^n

---

python中的这个

^

运算符用于按位异或，而这个

**

用于功率。

tnx但是如果删除范围（n-1）中j的Sigs1=sparse.csr_矩阵（0，（dim，dim））：范围（n-1）中i的Sig1=sparse.kron（Sig1，ssx.power（expon1[i，j]））Sigs1=Sigs1+Sig1如果您删除了该部分，则代码可以工作。您的代码不会抱怨，但并不意味着它可以工作。代码的问题是

dim=2^n

返回的是1而不是8。对于建议，我更改dim=8是最实际的，但现在问题出现在addtnx中的add:Sigs1=Sigs1+Sig1文件“/usr/lib/python3/dist packages/scipy/sparse/base.py”，第280行，但如果删除范围（n-1）中j的Sigs1=sparse.csr\u矩阵（0，（dim，dim））：Sig1=sparse.csr_矩阵（1）表示范围（n-1）内的i:Sig1=sparse.kron（Sig1，ssx.power（expon1[i，j]））Sigs1=Sigs1+Sig1如果删除该部分，代码不会抱怨，但并不意味着它可以工作。代码的问题是

dim=2^n

返回的是1而不是8。对于建议，我更改dim=8是最实际的，但现在问题出现在add:Sigs1=Sigs1+Sig1文件“/usr/lib/python3/dist packages/scipy/sparse/base.py”，add中的第280行