Python 可以创建一个NumPy中没有行或列的虚拟稀疏矩阵吗？

我使用的是稀疏矩阵数组，有时一些矩阵没有行或列（即，

shape=（0,0）

）。我希望我的各种其他函数忽略这些矩阵，或者执行一些其他智能默认操作

似乎我不能使用任何稀疏矩阵格式，因为它们抱怨“无效形状”。由于某种原因，

matrix（[]）

和

matrix（[[]）

具有

shape=（1,0）

，因此这些都不是很好（实际上，这是一个bug吗？它没有什么意义…）

我知道我可以使用

None

，

[]

，

数组（[]）

或类似的东西。然而，标准的矩阵操作函数将失败时，交给这些，这意味着我将需要分散

if block is not None:

或类似的代码

是否有一个矩阵类我错过了，这将允许我优雅地处理这些案件

---

对于任何好奇的人来说：这来自于按变量类型将有限元分解成块。其中一些变量可能被固定（固定为常数值），因此没有导数。因此，雅可比矩阵中没有条目。

是。你能行

from scipy import sparse
result = sparse.eye(0)
# result.shape = (0, 0)

矩阵（[]]->shape=（1,0）非常合理；你给它一行，零列；numpy怎么能猜出你真正想要的是零行呢

---

所有数组创建函数，如np.zeros（（0,0））都可以满足您的需要。

创建0x0稀疏矩阵的方法很多。比如说,

In [16]: from scipy.sparse import csr_matrix, coo_matrix, dok_matrix, eye

In [17]: csr_matrix(([], [[],[]]), shape=(0,0))
Out[17]: 
<0x0 sparse matrix of type '<type 'numpy.float64'>'
with 0 stored elements in Compressed Sparse Row format>

In [18]: coo_matrix(([],[[],[]]), shape=(0,0))
Out[18]: 
<0x0 sparse matrix of type '<type 'numpy.float64'>'
with 0 stored elements in COOrdinate format>

In [19]: dok_matrix((0,0))
Out[19]: 
<0x0 sparse matrix of type '<type 'numpy.float64'>'
with 0 stored elements in Dictionary Of Keys format>

In [20]: eye(0)
Out[20]: 
<0x0 sparse matrix of type '<type 'numpy.float64'>'
with 0 stored elements (1 diagonals) in DIAgonal format>

In [21]: csr_matrix(np.zeros((0, 0)))
Out[21]: 
<0x0 sparse matrix of type '<type 'numpy.float64'>'
with 0 stored elements in Compressed Sparse Row format>

[16]中的

：从scipy.sparse导入csr\u矩阵、coo\u矩阵、dok\u矩阵、eye
在[17]中：csr_矩阵（（[]，[[]，[]），形状=（0,0））
出[17]：
在[18]中：coo_矩阵（（[]，[[]，[]），形状=（0,0））
出[18]：
[19]中的dok_矩阵（（0,0））
出[19]：
In[20]：眼睛（0）
出[20]：
[21]中：csr_矩阵（np.zeros（（0，0）））
出[21]：

你说你在切碎一个雅可比矩阵。如果你索引 一个具有零长度切片的稀疏矩阵 0x0结果：

In [22]: a = np.random.randint(0, 2, size=(10,10))

In [23]: m = csr_matrix(a)

In [24]: m[3:3, 3:3]
Out[24]: 
<0x0 sparse matrix of type '<type 'numpy.int64'>'
with 0 stored elements in Compressed Sparse Row format>

[22]中的

a=np.random.randint（0,2，size=（10,10））
在[23]中：m=csr_矩阵（a）
In[24]：m[3:3，3:3]
出[24]：

（我使用的是scipy 0.13.2。）

---

某些稀疏操作可能无法正确处理0x0矩阵，这可能是一个错误。如果您有一些示例，可以将它们添加到您的问题中吗？

您可以尝试下面的代码，这很简单

将numpy作为np导入

---

np.zeros（（0,0））

也许我的numpy版本太旧了，因为1）

sparse.eye

为我至少取两个参数，2）执行

sparse.eye（0,0）

为我提供

ValueError:invalid shape

。我的

np.version.version=1.7.1

。我有相同的numpy版本和scipy

0.13.0

。您可以尝试

x=np.zero（（0，0））；sparse.csr_matrix（x）

或升级到最新版本，如果这是使用

np.zero（（0,0））

内部

sparse.csr_matrix（）

给出相同的

无效形状

错误。哦，这句话是指

矩阵（[]）

具有

形状（1,0）

（我添加了关于

矩阵（[[[]）的部分）

稍后）。啊哈，np.零（（0，0））起作用。我想在我的scipy版本中，只有数组（而不是矩阵或稀疏矩阵格式）可以有形状（0,0）。事实上，谢谢！我使用的是

m=sp.matrix（sp.zeros（（0,0））；m、 nnz=0

作为临时黑客，直到我开始更新Linux发行版或安装更新的scipy。我肯定需要更新scipy！第一组示例都给出了

ValueError:invalid shape

。第二个示例为我提供了

indexer-ror:index-out-bounds:0