Python scipy.sparse.hstack[值错误：块必须是二维]

a

和

b

是第二个numpy数组，我想垂直堆叠并压缩到稀疏数组

我只是使用：

c=sp.hstack（[a，b]）

但它抛出了一个错误：

hstack中的/anaconda3/lib/python3.6/site-packages/scipy/sparse/construct.py（块、格式、数据类型） 462 463 """ -->464返回bmat（[blocks]，format=format，dtype=dtype） 465 466 bmat中的~/anaconda3/lib/python3.6/site-packages/scipy/sparse/construct.py（块、格式、数据类型） 545 546如果blocks.ndim！=2： -->547提升值错误（'块必须是2-D'） 548 549 M，N=块体形状 ValueError：块必须是二维的

---

但我记得这段代码在我以前的代码中是有效的。

问题在于堆栈列表至少包含一个稀疏数组

换句话说，代码

c=sp.hstack（[a，b，c，d，…]））

在

[a，b，c，d，…]

中，必须至少包含一个稀疏数组

如果列表不包含稀疏数组，可以尝试：

c=sp.hstack（[sp.csr_矩阵（a），b，c，d，…）

---

实际上，测试是在

np.array（[[a，b]]，object）的
ndim
上进行的

。如果

a

和

b

按照文档中的规定是稀疏的，这可以正常工作。但是带有匹配形状的

ndarray

可以生成更高维度的数组。文档中说：

具有兼容形状的稀疏矩阵序列

。

ndarray

不可靠。我怀疑你的

a

和

b

具有相同的形状。此错误消息中的

blocks

指由

np.array（[[a，b]]，object）

生成的数组。hstack通过

sparse.bmat

从每个输入创建一个

coo_矩阵

（如果它们已经是稀疏的，这是一个简单的任务），并将它们的属性组合成一个新的

coo_矩阵

。如果您从numpy数组开始，那么首先将它们与

np.hstack

（或变体）组合并从中生成稀疏矩阵会更快。