在使用 scipy.sparse.csr_matrix((data, indices, indptr), [shape=(M, N)]) 时，我遇到了值错误：data, indices 和 indptr 应该是秩 1 的。但是我使用的 data, indices 和 indptr 确实是秩 1 的，并且我已经通过 numpy.linalg.matrix_rank() 确认了这一点，每个矩阵的秩都返回为 1……有人知道可能导致这个错误的原因和/或应该查看哪里吗？

我调用 scipy.sparse.csr_matrix 的方式是：

initCSR = sps.csr_matrix(( np.ones((self.N*self.T,1)), ex_s_reshaped, po), shape=(self.mdp_data['states'],self.T*self.N))

变量的秩和形状是：

np.ones((self.N*self.T,1)) 秩：1 形状 (8000, 1)ex_s_reshaped 秩：1 形状 (8000, 1)po 秩：1 形状 (1, 8000)形状 = (4, 8000)

我得到的错误消息是：

由于我使用的 data, indices 和 indptr 都是秩 1 的，并且它们的形状看起来合理……我实在看不出这个值错误从何而来！

任何帮助都将不胜感激！谢谢 🙂

回答：

秩 1 数组是形状为 (m, ) 的数组，形状为 (m, 1) 的数组通常被称为向量。要将你的 numpy 数组转换为秩 1 数组，可以使用 ravel 方法。你可以在这里阅读文档 这里。使用方法如下

vector = np.random.randn(100,1) # vector.shape = (100, 1)rank_1_array = vector.ravel() # rank_1_array.shape = (100, )