Python 空 csr_matrix 抛出 ValueError：无法从零大小的索引数组推断维度答案

【问题标题】：Python empty csr_matrix throws ValueError: cannot infer dimensions from zero sized index arraysPython 空 csr_matrix 抛出 ValueError：无法从零大小的索引数组推断维度
【发布时间】：2016-09-20 15:06:45
【问题描述】：

这里是python SSCCE：

import scipy.sparse
data = []
row = []
col = []
csr = scipy.sparse.csr_matrix((data, (row, col)))  #error happens here
print(type(csr))
print(csr)

我用python2.7运行它我得到一个错误：

raise ValueError('cannot infer dimensions from zero sized index arrays')
ValueError: cannot infer dimensions from zero sized index arrays

当我向他们提供这样的值时，它可以正常工作：

csr = scipy.sparse.csr_matrix(([10,20,30], ([0,0,0],[0,1,2])))

或者像这样：

csr = scipy.sparse.csr_matrix(([10,20], ([0,0],[0,1])))
csr = scipy.sparse.csr_matrix(([10], ([0],[0])))

我在以下位置阅读了文档： http://docs.scipy.org/doc/scipy/reference/generated/scipy.sparse.csr_matrix.html 和

http://docs.scipy.org/doc/scipy/reference/sparse.html#usage-information

但这似乎并不能解释为什么我不能制作一个包含零项的 csr 矩阵。

这个错误是怎么回事？我猜 scipy.sparse.csr.csr_matrix 类型在实例化时必须至少有一个值？这似乎是一个愚蠢的限制。

【问题讨论】：

标签： python scipy sparse-matrix

【解决方案1】：

Scipy 稀疏矩阵具有明确的形状，例如(m, n) 其中 m 是行数，n 是列数。例如，当您编写csr_matrix(([1, 2], ([0, 3], [1, 4]))) 时，csr_matrix 从行和列索引的最大值推断形状。但是当你写csr_matrix(([], ([], [])))时，函数无法知道矩阵的形状应该是什么（我猜它不会默认创建形状为（0, 0）的矩阵）。

一种处理方法是给出明确的shape：

In [241]: csr_matrix(([], ([], [])), shape=(3, 3))
Out[241]: 
<3x3 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in Compressed Sparse Row format>

【讨论】：

真的，你应该给出一个明确的形状，而不是让 SciPy 猜测，即使数组不为空。
您可以像这样创建一个空的 csr_matrix：csr = scipy.sparse.csr_matrix((0, 0))。但是，它不会从空列表中推断出这一点。这就是问题所在，为什么它必须推断出了问题，而不是我们正确地不想要任何元素？答案是因为它就是这样，处理它。

【解决方案2】：

您可以创建一个空的稀疏矩阵 - 从一个空的密集矩阵或通过给出形状参数：

In [477]: from scipy import sparse
In [478]: sparse.csr_matrix([])
Out[478]: 
<1x0 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in Compressed Sparse Row format>
In [479]: sparse.csr_matrix(([],([],[])),shape=(0,0))
Out[479]: 
<0x0 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in Compressed Sparse Row format>

你甚至可以用shape创建一个大的空的：

In [480]: sparse.csr_matrix(([],([],[])),shape=(1000,1000))
Out[480]: 
<1000x1000 sparse matrix of type '<class 'numpy.float64'>'
    with 0 stored elements in Compressed Sparse Row format>
In [481]: M=_
In [482]: M[34,334]=1000
/usr/lib/python3/dist-packages/scipy/sparse/compressed.py:730: SparseEfficiencyWarning: Changing the sparsity structure of a csr_matrix is expensive. lil_matrix is more efficient.
  SparseEfficiencyWarning)

但鉴于插入值或连接新矩阵的效率低下，我不明白您为什么要制作这样的生物。

第一个参数为元组时来自sparse.coo_matrix的相关代码：

           try:
                obj, (row, col) = arg1
            except (TypeError, ValueError):
                raise TypeError('invalid input format')

            if shape is None:
                if len(row) == 0 or len(col) == 0:
                    raise ValueError('cannot infer dimensions from zero '
                                     'sized index arrays')
                M = np.max(row) + 1
                N = np.max(col) + 1
                self.shape = (M, N)

【讨论】：