Scipy coo_matrix.max() 改变数据属性

Question

我正在使用开源库 LightFM 构建推荐系统。该库要求某些数据采用稀疏矩阵格式，特别是 scipy coo_matrix。正是在这里，我遇到了奇怪的行为。这似乎是一个错误，但更有可能是我做错了什么。

基本上，我让 LightFM.Dataset 为我构建一个稀疏矩阵，如下所示：

interactions, weights = dataset.build_interactions(data=_get_interactions_data())

build_interactions 方法返回“两个 COO 矩阵：交互矩阵和相应的权重矩阵”——LightFM Official Doc。

当我检查这个稀疏矩阵的内容时（实际上，我使用调试器），如下所示：

for i in interactions.data:
    print(i, end=', ')

1, 1, 1, 1, 1, ....

打印一长串 1，表示稀疏矩阵的非零元素只有 1。

但是，当我第一次检查稀疏矩阵的最大值时，它表明稀疏矩阵中的最大值不是 1，而是 3。此外，在检查之后打印矩阵将打印一长串 1 、2s 和 3s。这是它的代码：

print(interactions.max())
for i in interactions.data:
    print(i, end=', ')

3
1, 1, 3, 2, 1, 2, ...

知道这里发生了什么吗？ Python 是 3.6.8。 Scipy 是 1.5.4。 CentOS7.

谢谢。

Answer 1

“原始”coo_matrix 可以有重复的元素（相同行和列值的重复），但是当转换为 csr 格式进行计算时，这些重复项会被求和。为了找到最大值，它必须做同样的事情，但在原地。

In [9]: from scipy import sparse
In [10]: M = sparse.coo_matrix(([1,1,1,1,1,1],([0,0,0,0,0,0],[0,0,1,0,1,2])))
In [11]: M.data
Out[11]: array([1, 1, 1, 1, 1, 1])
In [12]: M.max()
Out[12]: 3
In [13]: M.data
Out[13]: array([3, 2, 1])
In [14]: M
Out[14]: 
<1x3 sparse matrix of type '<class 'numpy.int64'>'
    with 3 stored elements in COOrdinate format>

跟踪max 代码我发现它使用sum_duplicates

In [33]: M = sparse.coo_matrix(([1,1,1,1,1,1],([0,0,0,0,0,0],[0,0,1,0,1,2])))
In [34]: M.data
Out[34]: array([1, 1, 1, 1, 1, 1])
In [35]: M.sum_duplicates?
Signature: M.sum_duplicates()
Docstring:
Eliminate duplicate matrix entries by adding them together

This is an *in place* operation
File:      /usr/local/lib/python3.8/dist-packages/scipy/sparse/coo.py
Type:      method
In [36]: M.sum_duplicates()
In [37]: M.data
Out[37]: array([3, 2, 1])