scipy.sparse.hstack(([1], [2])) -> "ValueError: blocks must be 2-D". Why?

Question

scipy.sparse.hstack((1, [2])) 和 scipy.sparse.hstack((1, [2])) 效果很好，但 scipy.sparse.hstack(([1], [2])) 不行。为什么会这样？

这是我系统上发生的事情的痕迹：

C:\Anaconda>python
Python 2.7.10 |Anaconda 2.3.0 (64-bit)| (default, May 28 2015, 16:44:52) [MSC v.
1500 64 bit (AMD64)] on win32
>>> import scipy.sparse
>>> scipy.sparse.hstack((1, [2]))
<1x2 sparse matrix of type '<type 'numpy.int32'>'
        with 2 stored elements in COOrdinate format>
>>> scipy.sparse.hstack((1, 2))
<1x2 sparse matrix of type '<type 'numpy.int32'>'
        with 2 stored elements in COOrdinate format>
>>> scipy.sparse.hstack(([1], [2]))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Anaconda\lib\site-packages\scipy\sparse\construct.py", line 456, in h
stack
    return bmat([blocks], format=format, dtype=dtype)
  File "C:\Anaconda\lib\site-packages\scipy\sparse\construct.py", line 539, in b
mat
    raise ValueError('blocks must be 2-D')
ValueError: blocks must be 2-D
>>> scipy.version.full_version
'0.16.0'
>>>

Answer 1

在 scipy.sparse.hstack((1, [2])) 的第一种情况下，数字 1 被解释为标量值，数字 2 被解释为密集矩阵，因此当您将这两者组合在一起时，数据类型为强制使它们都是标量，您可以正常将其与 scipy.sparse.hstack 结合使用。

这里有一些更多的测试来证明对于多个值也是如此：

In [31]: scipy.sparse.hstack((1,2,[3],[4]))
Out[31]: 
<1x4 sparse matrix of type '<type 'numpy.int64'>'
    with 4 stored elements in COOrdinate format>

In [32]: scipy.sparse.hstack((1,2,[3],[4],5,6))
Out[32]: 
<1x6 sparse matrix of type '<type 'numpy.int64'>'
    with 6 stored elements in COOrdinate format>

In [33]: scipy.sparse.hstack((1,[2],[3],[4],5,[6],7))
Out[33]: 
<1x7 sparse matrix of type '<type 'numpy.int64'>'

如您所见，如果 hstack 中至少有一个标量，这似乎有效。

但是，当您尝试执行 scipy.sparse.hstack(([1],[2])) 的第二种情况时，它们不再都是标量，它们都是稠密矩阵，您不能将 scipy.sparse.hstack 与纯稠密一起使用矩阵。

重现：

In [34]: scipy.sparse.hstack(([1],[2]))
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-45-cd79952b2e14> in <module>()
----> 1 scipy.sparse.hstack(([1],[2]))

/usr/local/lib/python2.7/site-packages/scipy/sparse/construct.pyc in hstack(blocks, format, dtype)
    451 
    452     """
--> 453     return bmat([blocks], format=format, dtype=dtype)
    454 
    455 

/usr/local/lib/python2.7/site-packages/scipy/sparse/construct.pyc in bmat(blocks, format, dtype)
    531 
    532     if blocks.ndim != 2:
--> 533         raise ValueError('blocks must be 2-D')
    534 
    535     M,N = blocks.shape

ValueError: blocks must be 2-D

查看此 post 以获得更多见解：Scipy error with sparse hstack

因此，如果你想成功地使用这两个矩阵，你必须先将它们稀疏化，然后再合并它们：

In [36]: A = scipy.sparse.coo_matrix([1])

In [37]: B = scipy.sparse.coo_matrix([2])

In [38]: C = scipy.sparse.hstack([A, B])

In [39]: C
Out[39]: 
<1x2 sparse matrix of type '<type 'numpy.int64'>'
    with 2 stored elements in COOrdinate format>

有趣的是，如果您尝试使用 hstack 或 numpy.hstack 的密集版本，那么它是完全可以接受的：

In [48]: import numpy as np

In [49]: np.hstack((1, [2]))
Out[49]: array([1, 2])

.. 稀疏矩阵表示 ¯\_(ツ)_/¯.

Answer 2

编码详情为：

def hstack(blocks ...):
    return bmat([blocks], ...)

def bmat(blocks, ...):
    blocks = np.asarray(blocks, dtype='object')
    if blocks.ndim != 2:
        raise ValueError('blocks must be 2-D')
    (continue)

所以尝试你的替代方案（记住额外的 []）：

In [392]: np.asarray([(1,2)],dtype=object)
Out[392]: array([[1, 2]], dtype=object)

In [393]: np.asarray([(1,[2])],dtype=object)
Out[393]: array([[1, [2]]], dtype=object)

In [394]: np.asarray([([1],[2])],dtype=object)
Out[394]: 
array([[[1],
        [2]]], dtype=object)

In [395]: _.shape
Out[395]: (1, 2, 1)

最后一个案例（您的问题案例）失败了，因为结果是 3d。

有 2 个稀疏矩阵（预期输入）：

In [402]: np.asarray([[a,a]], dtype=object) 
Out[402]: 
array([[ <1x1 sparse matrix of type '<class 'numpy.int32'>'
    with 1 stored elements in COOrdinate format>,
        <1x1 sparse matrix of type '<class 'numpy.int32'>'
    with 1 stored elements in COOrdinate format>]], dtype=object)

In [403]: _.shape
Out[403]: (1, 2)

hstack 正在利用 bmat 格式，将矩阵列表转换为嵌套的 (2d) 矩阵列表。 bmat 是一种将二维稀疏矩阵数组组合成一个更大矩阵的方法。跳过首先制作这些稀疏矩阵的步骤可能有效，也可能无效。代码和文档不做任何承诺。

scipy.sparse.hstack(([1], [2])) -> "ValueError: blocks must be 2-D". Why?

scipy.sparse.hstack(([1], [2])) -> "ValueError: blocks must be 2-D". Why?

python

scipy

sparse-matrix