将Matlab的sparse()代码转换为numpy/scipy的csc_matrix()时的问题

Question

我对Matlab和Python都还是个新手，所以如果这个问题有点傻，请多多包涵...

我正在尝试把一些Matlab代码转换成Python，使用numpy和scipy，一开始一切都很顺利，直到我遇到了一个稀疏矩阵，这是别人写的。Matlab代码是这样的：

unwarpMatrix = sparse(phaseOrigin, ceil([1:nRead*nSlice*nPhaseDmap]/expan), 1, numPoints, numPoints)/expan;

这是我在尝试转换之前写的Python代码（包含我的思路）。我在测试一个数据集（在Matlab和Python中都用的是这个数据集）：

nread = 64
nslice = 28
nphasedmap = 3200
expan = 100
numpoints = 57344

所以，phaseorigin、s和j数组的长度都是5734400（我确认生成phaseorigin数组的函数输出和Matlab完全一样）

#Matlab sparse takes: S = sparse(i,j,s,m,n)
#Generates an m by n sparse matrix such that: S(i(k),j(k)) = s(k)

#scipy csc matrix takes: csc_matrix((data, ij), shape=(M, N))

#Matlab code is: unwarpMatrix = sparse(phaseOrigin, ceil([1:nRead*nSlice*nPhaseDmap]/expan), 1, numPoints, numPoints)/expan;
size = nread*nslice*nphasedmap

#i would be phaseOrigin variable
j = np.ceil(np.arange(1,size+1, dtype=np.double)/expan)

#Matlab apparently treats '1' as a scalar so I should be tiling 1 to the same size as j and phaseorigin
s = np.tile(1,size)

unwarpmatrix = csc_matrix((s,(phaseorigin, j)), shape=(numpoints,numpoints))/expan

但是当我尝试运行我的Python代码时，我得到了：

ValueError: column index exceedes matrix dimensions

而当我运行Matlab代码时，这个问题并没有出现，尽管数组的大小超过了定义的矩阵大小...

我到底哪里出错了？显然我搞错了什么... 非常感谢任何帮助！

Answer 1

问题是，Python的索引是从 0 开始的，而Matlab的索引是从 1 开始的。所以对于一个大小为 57344 的 数组，在Python中，第一个元素是 arr[0]，最后一个元素是 arr[57343]。

你的变量 j 的值从 1 到 57344。你可能已经发现了这个问题。像这样创建你的 j 可以解决这个问题：

j = np.floor(np.arange(0,size, dtype=np.double)/expan)

不过，最好在使用之前先检查一下...