scipy稀疏矩阵和numpy数组之间的点积给出ValueError答案

【问题标题】：Dot product between scipy sparse matrix and numpy array give ValueErrorscipy稀疏矩阵和numpy数组之间的点积给出ValueError
【发布时间】：2019-09-10 13:45:30
【问题描述】：

我正在尝试计算 scipy 解析矩阵和 numpy 数组之间的点积。

首先我使用的是一个 numpy 矩阵，你可以在下面的代码中看到：

def power_iteration(matrix, n):
    b_k = np.random.rand(matrix.shape[1])
    for _ in range(n):
        b_k = np.dot(matrix, b_k)

    return b_k

这里的矩阵是一个numpy矩阵，不会出错。

如果将 scipy 稀疏矩阵作为参数传递，则会出现以下错误：ValueError: shape (6762,6762) and (1,6762) not aligned: 6762 (dim 1) != 1 (dim 0)

我变了

b_k = np.random.rand(matrix.shape[1])

进入

b_k = np.random.rand(matrix.shape[1], 1)

这使得点积工作，但不返回正确的 b_k 形状。我需要的形状是：(6762,)

编辑：到目前为止，我尝试过像这样重塑：

b_k = np.reshape(b_k, (matrix.shape[1],))

但这会将形状 (6762, 1) 转换为 (1, 6762)，而不是 (6762,)

有什么建议吗？谢谢！

【问题讨论】：

在小数组和矩阵上练习这个，一次一个循环。注意b_k 是一维的ndarray，还是二维的稀疏矩阵？稀疏矩阵总是 2d。带有这样一个矩阵的点会产生什么？
@hpaulj 在这种情况下，b_k 是一个形状为 (6762, 1) 的二维矩阵。在每个点积 b_k 之后仍然有 (6762, 1) 的形状，这是合乎逻辑的。我正在尝试使用 reshape 将 (6762,1) 形状转换为 (6762,) 。我基于这个答案：stackoverflow.com/questions/17869840/… 但它似乎不起作用
一个点积后b_k的type和dtype是什么？是matrix是稀疏的，那么matrix.dot(b_k)和np.dot(matrix.b_k)会产生不同的对象。混合稀疏和密集数组必须小心。而如果中间的b_k为np.matrix或sparse矩阵，则不能reshape为1d。
我发现了一个问题，矩阵的类型已经是。我已将此作为参数传递给幂迭代函数：(d*matrix_s + (1 - d)*matrix_t)，这里 d 是标量，matrix_t 也是 numpy.matrix。这意味着在第一个点积之前，b_k 是一个 numpy 数组，在第一个点积之后是一个 numpy 矩阵。

标签： numpy vector scipy sparse-matrix valueerror

【解决方案1】：

似乎为了在稀疏矩阵上使用np.dot，您需要先使用matrix.toarray() 将其转换为密集矩阵。另见https://docs.scipy.org/doc/scipy/reference/sparse.html#matrix-vector-product

【讨论】：