基于另一篇关于值错误块的帖子提问必须是2D

Question

我是新到这个网站，没有足够的声誉作出评论后，下面的帖子，所以我希望通过介绍这里，我可以得到一些帮助。你知道吗

我当前的输入形状如下：

[array([[0.1,0.2], [0.3, 0.4], [0.5, 0.6]])]

如果可能的话：

[[[0.1,0.2], [0.3, 0.4], [0.5, 0.6]]]

我收到了同样的错误和同样的问题：

ValueError: blocks must be 2-D

基于本文中的解决方案，我想问的是，有没有一种方法不将密集数组转换为coo_矩阵。由于转换它将需要很多过程，所以有没有一种方法只是以某种方式将其更改为二维，然后使用hstack？你知道吗

以下是帖子：

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

Answer 1

显示包含数组的列表：

In [370]: alist = [np.array([[0.1,0.2], [0.3, 0.4], [0.5, 0.6]])]
In [371]: alist
Out[371]: 
[array([[0.1, 0.2],
        [0.3, 0.4],
        [0.5, 0.6]])]

只需将其包装在np.array中即可生成一个3d数组：

In [372]: np.array(alist)
Out[372]: 
array([[[0.1, 0.2],
        [0.3, 0.4],
        [0.5, 0.6]]])

numpyhstack生成二维数组：

In [373]: np.hstack(alist)
Out[373]: 
array([[0.1, 0.2],
       [0.3, 0.4],
       [0.5, 0.6]])

也就是说，它接受1元素列表并将其与其他元素连接，返回元素本身。你知道吗

我不明白你为什么偏袒于稀疏hstack。你知道吗

---

在稀疏hstack中使用alist的正确方法：

In [386]: sparse.hstack([sparse.coo_matrix(alist[0])])
Out[386]: 
<3x2 sparse matrix of type '<class 'numpy.float64'>'
    with 6 stored elements in COOrdinate format>
In [387]: _.A
Out[387]: 
array([[0.1, 0.2],
       [0.3, 0.4],
       [0.5, 0.6]])

sparse.coo_matrix(alist)不起作用，因为如上所述，从中生成数组会生成3d数组。所以我们必须把它从列表中去掉，alist[0]。然后生成一个稀疏矩阵，然后将其传递给bmat进行进一步处理。你知道吗

我想我在另一个问题中描述过，sparse.hstack通过连接输入数组的coo属性来工作，在这个过程中生成一个新的coo矩阵。因此，即使我们可以将某种类型的列表或密集数组传递给hstack，它仍然必须从每个元素中生成一个coo矩阵。你知道吗

如果您想要一个更快速的密集concatenate版本，就不要使用sparse.hstack。如果您已经有一些大型稀疏矩阵，并且希望将它们连接起来，或者可能添加密集的列或行，请使用它。更重要的是，它是一个方便的工具，用于从较小的片段构建大型稀疏矩阵。你知道吗