这里的数据有些奇怪。
如果我创建的scipy.sparse.csr_matrix具有仅包含0和1的data属性，然后要求它打印data属性，则有时输出中有2s（有时不是）。
您可以在此处看到此行为：
from scipy.sparse import csr_matrix
import numpy as np
from collections import OrderedDict
#Generate some fake data
#This makes an OrderedDict of 10 scipy.sparse.csr_matrix objects,
#with 3 rows and 3 columns and binary (0/1) values
od = OrderedDict()
for i in range(10):
row = np.random.randint(3, size=3)
col = np.random.randint(3, size=3)
data = np.random.randint(2, size=3)
print 'data is: ', data
sp_matrix = csr_matrix((data, (row, col)), shape=(3, 3))
od[i] = sp_matrix
#Print the data in each scipy sparse matrix
for i in range(10):
print 'data stored in sparse matrix: ', od[i].data
它将打印如下内容：
data is: [1 0 1]
data is: [0 0 1]
data is: [0 0 0]
data is: [0 0 0]
data is: [1 1 1]
data is: [0 0 0]
data is: [1 1 0]
data is: [1 0 1]
data is: [0 0 0]
data is: [0 0 1]
data stored in sparse matrix: [1 1 0]
data stored in sparse matrix: [0 0 1]
data stored in sparse matrix: [0 0]
data stored in sparse matrix: [0 0 0]
data stored in sparse matrix: [2 1]
data stored in sparse matrix: [0 0 0]
data stored in sparse matrix: [1 1 0]
data stored in sparse matrix: [1 1 0]
data stored in sparse matrix: [0 0 0]
data stored in sparse matrix: [1 0 0]
为什么存储在稀疏矩阵中的数据不能反映原始存储在其中的数据（原始数据中没有2s）？
最佳答案
我假设您是一种矩阵创建：
sp_matrix = csr_matrix((data, (row, col)), shape=(3, 3))
将在内部使用
coo_matrix（尚未找到相关来源；请参阅底部）。在这种情况下，docs说（对于COO）：
默认情况下，转换为CSR或CSC格式时，重复的（i，j）条目将加在一起。这有助于有限元矩阵等的有效构造。 （请参见示例）
您的随机矩阵例程不会检查重复的条目。
编辑：好的。它认为我找到了代码。
csr_matrix：没有构造函数代码->从
_cs_matrix继承compressed.py: _cs_matrix
和there：
else:
if len(arg1) == 2:
# (data, ij) format
from .coo import coo_matrix
other = self.__class__(coo_matrix(arg1, shape=shape))
self._set_self(other)
关于python - 来自scipy.sparse.csr_matrix数据的意外行为，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/48931762/