Python 稀疏矩阵乘法

我有一个使用numpy数组的逐矩阵乘法示例：

import numpy as np
m = np.array([[1,2,3],[4,5,6],[7,8,9]])
c = np.array([0,1,2])
m * c
array([[ 0,  2,  6],
       [ 0,  5, 12],
       [ 0,  8, 18]])

如果m是scipy稀疏CSR矩阵，我如何做同样的事情？这会导致尺寸不匹配：

sp.sparse.csr_matrix(m)*sp.sparse.csr_matrix(c)

---

您可以调用

csr\u矩阵的
multiply
方法来执行逐点乘法

sparse.csr_matrix(m).multiply(sparse.csr_matrix(c)).todense()

# matrix([[ 0,  2,  6],
#         [ 0,  5, 12],
#         [ 0,  8, 18]], dtype=int64)

当
m
和
c
是numpy数组时，
m*c
不是“矩阵乘法”。如果你认为是这样，那么你可能是在犯错误。要获得矩阵乘法，请使用矩阵类，如numpy的
matrix
或scipy.sparse矩阵类

出现故障的原因是，从矩阵的角度来看，
c
是一个1x3矩阵：

c = np.matrix([0, 1, 2]) 
c.shape    # (1,3)

c = sp.csc_matrix([0, 1, 2])
c.shape    # (1,3)

如果您想要的是与
c
的矩阵相乘，那么您需要使用转置

c = np.matrix([0, 1, 2]).transpose()
c.shape    # (3,1)

m = np.matrix([[1,2,3],[4,5,6],[7,8,9]])
m.shape    # (3,3)

m * c
# matrix([[ 8],
#         [17],
#         [26]])

*
乘法是带数组的逐元素乘法，但矩阵乘积是带稀疏矩阵的。谢谢您的回答！美好的此外，如果您希望在末尾使用numpy
数组，可以使用
.toarray（）
。我以前在使用
.todense（）
时被烧坏过，它给出了一个numpy
矩阵
。