【问题标题】：Check if two scipy.sparse.csr_matrix are equal检查两个 scipy.sparse.csr_matrix 是否相等
【发布时间】：2015-08-21 11:53:50
【问题描述】：

我想检查两个csr_matrix 是否相等。

如果我这样做：

x.__eq__(y)

我明白了：

raise ValueError("The truth value of an array with more than one "
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all().

但是，这很好用：

assert (z in x for z in y)

有没有更好的方法呢？也许改用一些scipy 优化功能？

非常感谢

【问题讨论】：

你试过(x==y).all()吗？只是猜测......
== 和 all 不是稀疏矩阵的实际计算。大多数元素为 0。x==x 将生成一个包含所有 True 的矩阵，它不再是稀疏的。

标签： python numpy scipy

【解决方案1】：

我们可以假设它们是相同的形状吗？

In [202]: a=sparse.csr_matrix([[0,1],[1,0]])
In [203]: b=sparse.csr_matrix([[0,1],[1,1]])
In [204]: (a!=b).nnz==0   
Out[204]: False

这会检查不等式数组的稀疏性。

如果你尝试a==b（至少第一次使用它），它会给你一个效率警告。那是因为它必须测试所有这些零。它不能充分利用稀疏性。

您需要一个相对较新的版本才能使用这样的逻辑运算符。您是否尝试在某个 if 表达式中使用 x.__eq__(y)，还是仅从该表达式中得到错误？

一般来说，您可能需要先检查几个参数。相同的shape，相同的nnz，相同的dtype。你需要小心浮动。

对于密集数组np.allclose 是测试相等性的好方法。如果稀疏数组不是太大，那可能也不错

np.allclose(a.A, b.A)

allclose 使用 all(less_equal(abs(x-y), atol + rtol * abs(y)))。您可以使用a-b，但我怀疑这也会发出效率警告。

【讨论】：

我能得到的最好的建议，谢谢！
我想知道为什么 numpy.array_equal 对于两个稀疏输入似乎没有按预期工作？
scipy 稀疏矩阵不是np.ndarray。它是一个完全不同的对象类，将其数据存储在数组中。尝试np.asarray(M) 获取小样本矩阵。看看结果。另请查看np.array_equal 的代码（它的 Python）。通常numpy 函数不适用于稀疏矩阵。

【解决方案2】：

SciPy 和 Numpy 混合方法

最适合我的情况是（使用通用代码示例）：

bool_answer = np.arrays_equal(sparse_matrix_1.todense(), sparse_matrix_2.todense())

您可能需要注意np.arrays_equal中的equal_nan参数

以下文档参考帮助我实现了目标： CSR Sparse Matrix Methods CSC Sparse Matrix Methods Numpy arrays_equal method SciPy todense method

【讨论】：