更改 scipy 稀疏矩阵的对角线或数据属性也会更改该矩阵的所有副本

Question

我在一个 variable 中有一个 scipy 稀疏矩阵，我将其复制到另一个新的 variable。如果我现在更改新 variable 中稀疏矩阵的对角线，则原始 variable 中的稀疏矩阵也会更新。如果我更改数据 attribute，也会发生同样的情况。我不明白为什么会这样，这种行为是否有我看不到的目的，或者我是否以无意的方式做某事？

我想要的是我从一个稀疏矩阵开始，复制它的几个副本，并以足够的方式修改对角线或所有条目以用于这些副本。但是我的修改影响了所有副本。

我发现如果我使用创建稀疏矩阵副本的方法，如 power() 或使用 @ 进行矩阵乘法，则不会出现该问题。

我想要的一个修改是稀疏矩阵的副本，我在其中取所有条目的绝对值。如果我直接在稀疏矩阵上使用 abs()，它会根据需要创建一个副本，一切都很好。但是，如果我将所有条目的绝对值写入稀疏矩阵的数据 attribute 中，它也会影响稀疏矩阵的所有其他副本。我发现后一种方法要快得多，这就是我更愿意使用它的原因。

问题与稀疏矩阵格式无关（除了 lil 或 dok 格式的数据属性）。

我在 Spyder 3.3.1 中使用 Python 3.5.2 和 Python 3.7.3（两台不同的计算机）进行了尝试，我使用的是 scipy 版本 1.3.0。

假设我有一个稀疏矩阵

from scipy.sparse import csc_matrix as spmat
Msp = spmat(ar([[0.,-3.],[2.,-4.]]))

然后我复制了一些（我也可以随时复制 Msp，这没什么区别）

M1 = Msp
M2 = M1

如果我现在做

M2.data = abs(M2.data)

或

M1.setdiag([1,1])

它还会更改所有其他副本，例如应用以上两个操作后：

Msp.toarray()
array([[1., 3.],
       [2., 1.]])

M1 和 M2 也一样

我早有预料

M2.toarray()
array([[ 0., 3.],
       [ 2., 4.]])

和

M1.toarray()
array([[1., -3.],
       [2., 1.]])

和

Msp.toarray()
array([[ 0., -3.],
       [ 2., -4.]])

另一方面，如果我执行以下类型的操作

M2 = abs(M2)
M2 = M2.power(2)
M2 = M2@M2

它只影响 M2，而没有影响 M1 和 Msp，正如我所期望的那样。

Answer 1

通过更改以下行：

M1 = Msp
M2 = M1

至：

M1 = Msp.copy()
M2 = M1.copy()

您给出的示例将按预期工作。

Numpy 数组是可变的，因此对对象的更改将影响引用该对象的所有变量。

换句话说：通过设置 M2 = M1，M2 只是对 M1 的引用，因此如果 M1 发生变化，它也将采用 M1 的值。另一方面，M2 = M1.copy() 将 M1（'values'）的副本传递给 M2，此后独立于 M1 的更改。

最后给出的示例只影响 M2 的原因是许多 numpy 函数 return 独立于作为参数传递的数组的新数组。

更改 scipy 稀疏矩阵的对角线或数据属性也会更改该矩阵的所有副本

Changing diagonal or data attribute of a scipy sparse matrix also changes all copies of that matrix

python

scipy

sparse-matrix