SciPy稀疏矩阵在传递到函数时未修改
提问于 2022-06-24 14:40:39
我注意到SciPy稀疏矩阵和numpy数组在传递到函数时被修改的方式存在明显的不一致性。特别是，我想知道是否有人能解释为什么下面的a稀疏矩阵没有被func全局修改，但是b数组是：
from scipy import sparse
import numpy as np
def func(m):
m += m
a = sparse.identity(2)
b = np.array([1, 2])
print(a.todense()) # [[1,0],[0,1]]
func(a)
print(a.todense()) # Still [[1,0],[0,1]]. Why???
print(b) # [1, 2]
func(b)
print(b) # Now [2, 4]
回答 1
Stack Overflow用户
回答已采纳
发布于 2022-06-24 15:29:30
In [11]: arr = np.array([[1,0],[2,3]])
In [12]: id(arr)
Out[12]: 1915221691344
In [13]: M = sparse.csr_matrix(arr)
In [14]: id(M)
Out[14]: 1915221319840
In [15]: arr += arr
In [16]: id(arr)
Out[16]: 1915221691344+=对数组进行就地操作.
In [17]: M += M
In [18]: id(M)
Out[18]: 1915221323200对于稀疏矩阵，它创建了一个新的稀疏矩阵对象。它不会修改现有的矩阵。
对于此操作，可以修改data属性：
In [20]: M.data
Out[20]: array([2, 4, 6], dtype=int32)
In [21]: M.data += M.data
In [22]: M.A
Out[22]:
array([[ 4, 0],
[ 8, 12]], dtype=int32)但是一般来说，向稀疏矩阵中添加一些东西可以改变它的稀疏性。稀疏的开发人员，以他们的智慧，认为这是不可能的，或只是不符合成本效益(编程或运行时？)在不创建新矩阵的情况下执行此操作。
虽然稀疏矩阵是在np.matrix子类上创建的，但它不是ndarray的子类，也没有义务以完全相同的方式运行。
In [30]: type(M).__mro__
Out[30]:
(scipy.sparse.csr.csr_matrix,
scipy.sparse.compressed._cs_matrix,
scipy.sparse.data._data_matrix,
scipy.sparse.base.spmatrix,
scipy.sparse.data._minmax_mixin,
scipy.sparse._index.IndexMixin,
object)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/72750009
复制相关文章
腾讯云开发者
