Python ValueError：包含多个元素的数组的真值不明确。使用csr_矩阵时使用a.any（）或a.all（）

我有4个稀疏矩阵，具有以下维度：

X_train_content_sparse.shape
(62313, 100000)

X_train_title_sparse.shape
(62313, 100000)

X_train_author_sparse.shape
(62313,31540)

X_train_time_features_sparse.shape
(62313, 7)

然后我水平地按顺序堆叠数组

X_train_sparse = hstack([X_train_content_sparse, X_train_title_sparse,
                                    X_train_author_sparse, X_train_time_features_sparse])

之后，我将这个稀疏矩阵数组转换为稀疏矩阵。 我应用

csr\u矩阵（X\u train\u sparse）

并收到这样的错误：

ValueError：包含多个元素的数组的真值为 模棱两可的使用a.any（）或a.all（）

>X\u列车\u稀疏
数组（[,，
,
,
]，dtype=object）

sparse.hstack

将所有矩阵转换为

coo

格式，然后适当地联接它们的

行、列、数据

数组，然后生成一个新的稀疏矩阵

sparse.hstack

带

格式

参数：

In [88]: sparse.hstack([M,M],format='csr')
Out[88]: 
<10x20 sparse matrix of type '<class 'numpy.float64'>'
    with 40 stored elements in Compressed Sparse Row format>

[88]中的

：sparse.hstack（[M，M]，format='csr'）
出[88]：

我们需要查看完整的代码列表以及完整的回溯。您使用的是

np.hstack

还是

sparse.hstack

？相关？：我使用

scipy.sparse.hstack

进行堆叠，而不是numpy。另外，我已经更新了问题描述。您刚才添加的内容是由

np.hstack

生成的，就像我的

Out[84]

一样

sparse.hstack

生成稀疏矩阵，并采用

格式

参数（请参见我的编辑）。你说得对。这实际上是numpy和scipy函数之间奇怪的冲突。我已经以这种方式从scipy.sparse import hstack导入了

，但在默认情况下它使用了numpy的
hstack
。当我改为
scipy.hstack
时，效果很好
In [83]: M
Out[83]: 
<10x10 sparse matrix of type '<class 'numpy.float64'>'
    with 20 stored elements in Compressed Sparse Row format>
In [84]: np.hstack([M,M])
Out[84]: 
array([<10x10 sparse matrix of type '<class 'numpy.float64'>'
    with 20 stored elements in Compressed Sparse Row format>,
       <10x10 sparse matrix of type '<class 'numpy.float64'>'
    with 20 stored elements in Compressed Sparse Row format>], dtype=object)
In [85]: sparse.csr_matrix(_)
...
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all().

In [86]: sparse.hstack([M,M])
Out[86]: 
<10x20 sparse matrix of type '<class 'numpy.float64'>'
    with 40 stored elements in COOrdinate format>

In [88]: sparse.hstack([M,M],format='csr')
Out[88]: 
<10x20 sparse matrix of type '<class 'numpy.float64'>'
    with 40 stored elements in Compressed Sparse Row format>