时间戳

首页 > 解决方案 > TypeError：“numpy.float64”类型的对象在分配矩阵元素时没有 len()

python - TypeError：“numpy.float64”类型的对象在分配矩阵元素时没有 len()

问题描述

我在使用 scipy 稀疏矩阵的包时遇到问题。

当我隔离问题时，我发现当我简单地将元素分配给 csr 或 csc 矩阵时会引发错误。

from scipy.sparse import csr_matrix
x = csr_matrix(np.eye(10))
x[0,3] = int(4)

我得到错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-36-2e1809373207> in <module>
----> 1 x[0,3] = int(4)

~/anaconda2/envs/macrophage/lib/python3.6/site-packages/scipy/sparse/_index.py in __setitem__(self, key, x)
     67             if x.size != 1:
     68                 raise ValueError('Trying to assign a sequence to an item')
---> 69             self._set_intXint(row, col, x.flat[0])
     70             return
     71 

~/anaconda2/envs/macrophage/lib/python3.6/site-packages/scipy/sparse/compressed.py in _set_intXint(self, row, col, x)
    795     def _set_intXint(self, row, col, x):
    796         i, j = self._swap((row, col))
--> 797         self._set_many(i, j, x)
    798 
    799     def _set_arrayXarray(self, row, col, x):

~/anaconda2/envs/macrophage/lib/python3.6/site-packages/anndata/h5py/h5sparse.py in _set_many(self, i, j, x)
    176     i, j, M, N = self._prepare_indices(i, j)
    177 
--> 178     n_samples = len(x)
    179     offsets = np.empty(n_samples, dtype=self.indices.dtype)
    180     ret = _sparsetools.csr_sample_offsets(M, N, self.indptr, self.indices,

TypeError: object of type 'numpy.float64' has no len()

似乎 _set_many() 函数需要多个值，而setitem () 只需要一个值！我怎样才能纠正这个错误？

作为参考，我使用的是 scipy 1.3.0。

谢谢。

标签： pythonnumpyscipysparse-matrix

解决方案

只需scipy.sparse，您的代码示例就可以工作：

In [246]: x=sparse.csr_matrix(np.eye(10))                                                              
In [247]: x[0,3]=int(4)                                                                                
/usr/local/lib/python3.6/dist-packages/scipy/sparse/_index.py:69: SparseEfficiencyWarning: Changing the sparsity structure of a csr_matrix is expensive. lil_matrix is more efficient.
  self._set_intXint(row, col, x.flat[0])
In [248]: x                                                                                            
Out[248]: 
<10x10 sparse matrix of type '<class 'numpy.float64'>'
    with 11 stored elements in Compressed Sparse Row format>
In [249]: x.A                                                                                          
Out[249]: 
array([[1., 0., 0., 4., 0., 0., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 1., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 1., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 1., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 1., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 1., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 1., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 1.]])

但是追溯

~/anaconda2/envs/macrophage/lib/python3.6/site-packages/anndata/h5py/h5sparse.py in _set_many(self, i, j, x)

引用另一个包https://anndata.readthedocs.io/en/stable/，它有一个h5py/h5sparse模块。在某种程度上，这改变了标准sparse矩阵的行为。

标准_set_many(in scipy.sparse.compressed.py) 首先变成x一个数组np.array(x...)，然后使用nsample = x.size。

总共：

  • 你没有告诉我们anndata包裹的事
  • “错误”似乎在那个包中，或者你在使用它。

推荐阅读