如何为自定义ArrayIntervals类创建正确的SciPy稀疏矩阵？

核心原因 #

SciPy的coo_matrix处理自定义对象时，不会通过__iter__迭代解析结构，而是优先检查对象是否支持numpy数组协议——也就是是否实现__array__魔术方法。如果没有这个方法，numpy会把你的ArrayIntervals实例当成单个标量元素处理，最终生成<1x1>的矩阵；而直接用numpy数组时，数组本身天然符合数组协议，所以能得到正确的<1x3>尺寸。

所需魔术方法：__array__ #

给ArrayIntervals类添加__array__方法，让它直接返回内部存储的numpy数组，coo_matrix就能正确识别其结构：

import numpy as np
from scipy.sparse import coo_matrix

class MyInterval:
    def __init__(self, start, end):
        self.start = start
        self.end = end

class ArrayIntervals:
    def __init__(self, intervals):
        self.intervals = np.array(intervals)
    
    # 实现数组协议，返回内部numpy数组
    def __array__(self, dtype=None):
        return np.asarray(self.intervals, dtype=dtype)

# 测试验证
intervals_list = [MyInterval(0,1), MyInterval(1,2), MyInterval(2,3)]
arr_intervals = ArrayIntervals(intervals_list)
mat = coo_matrix(arr_intervals)
print(mat.shape)  # 输出 (1, 3)，符合预期

补充说明 #

你之前尝试的__iter__仅让对象支持迭代遍历，但coo_matrix的初始化逻辑不会主动迭代自定义对象构建矩阵。只有当对象实现__array__（或底层的__array_interface__）时，numpy和SciPy才能正确识别它的类数组结构，进而生成对应尺寸的稀疏矩阵。

内容的提问来源于stack exchange，提问作者AndrosovAS