用花式索引修改Space矩阵

Question

我正在尝试使用奇特的索引来修改一个大的稀疏矩阵。假设您有以下代码：

import numpy as np
import scipy.sparse as sp

a = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
b = sp.lil_matrix(a)
c = sp.lil_matrix((3,4))
c[[1,2], 0] = b[[1,2], 0]

但是，此代码会出现以下错误：

ValueError: shape mismatch in assignment

我不明白为什么这样不行。这两个矩阵具有相同的形状，如果两个矩阵都是numpy数组，则这通常有效。我将感谢任何帮助

Answer 1

是的，这是一个稀疏__setitem__的bug。我以前也遇到过（但我只是解决了这个问题）。现在我真的调查过了；首先，您可以非常轻松地解决此问题：

import numpy as np
import scipy.sparse as sp

a = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
b = sp.lil_matrix(a)
c = sp.lil_matrix((3,4))
c[[1,2], 0] = b[[1,2], 0]

这将引发您看到的ValueError。这不符合预期，并且按照预期工作：

c[[1,2], 0] = b[[1,2], [0]]

>>> c.A
array([[0., 0., 0., 0.],
       [5., 0., 0., 0.],
       [9., 0., 0., 0.]])

让我们只看一下the offending ^{}（我将省略许多没有被调用的代码）：

row, col = self._validate_indices(key)

这很好row = [1, 2]和col = 0

col = np.atleast_1d(col)
i, j = _broadcast_arrays(row, col)

到目前为止还不错{}和{}

if i.ndim == 1:
# Inner indexing, so treat them like row vectors.
    i = i[None]
    j = j[None]

broadcast_row = x.shape[0] == 1 and i.shape[0] != 1
broadcast_col = x.shape[1] == 1 and i.shape[1] != 1

这是我们的问题-i和j都变成了具有(1, 2)形状的行向量x这是您试图分配的（b[[1,2], 0]），其形状为(2, 1)；下一步将引发ValueError原因x，并且索引不对齐

>>> c[[1,2], 0] = b[[1,2], 0].A

ValueError: cannot reshape array of size 4 into shape (2,)

这里有同样的问题，但是__setitem__将x广播到(2,2)数组中，然后该数组再次失败，因为它比您分配给它的数组大

解决方法（b[[1,2], [0]]）的形状为(1, 2)，这是不正确的，但该错误最终会消除索引c中的错误

我不确定这个索引代码背后的逻辑到底是什么，所以我不确定如何在不引入其他微妙bug的情况下修复它