为什么对稀疏矩阵求和会留下一个空维度？
提问于 2017-12-01 23:29:41
除非我们设置了keepdims=True，否则在对numpy.ndarray求和时，它会降低数组的维数。然而，这似乎不适用于Scipy的稀疏矩阵：
import scipy.sparse
matrix = scipy.sparse.coo_matrix([[0, 1], [2, 1]])
print(matrix.shape) # (2, 2) as expected.
print(matrix.sum().shape) # () as expected.
print(matrix.sum(axis=0).shape) # (1, 2) but expected (2,).
print(matrix.sum(axis=0)[0].shape) # (1, 2) but expected (2,).如示例中最后一行所示，我甚至不能选择结果向量。此外，尝试将总和的结果转换为密集的Numpy数组失败：
matrix.toarray() # This works.
matrix.sum(axis=0).toarray() # AttributeError: 'matrix' has no 'toarray'.如何沿一维计算稀疏矩阵的和，并以密集数组的形式获得结果？
回答
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/47602925
复制相关文章
点击加载更多
腾讯云开发者
