Scipy中使用sparse数组调用signal.correlate出现维度错误的问询

尝试用Scipy的稀疏矩阵计算序列相关，收到错误提示ValueError: in1 and in2 should have the same dimensionality，但两者打印的形状看似一致。示例代码如下：

import numpy
import scipy.signal as signal
import scipy.sparse as sparse

my_sparse = sparse.csr_array(numpy.random.rand(10))
print(my_sparse)
print(my_sparse.shape)

my_dense = numpy.expand_dims(numpy.random.rand(10), 1).T
print(my_dense)
print(my_dense.shape)

corr = signal.correlate(my_sparse, my_dense, method="direct", mode="full")
print(corr)
print(corr.shape)

运行输出：

$ python test_sparse_with_correlate.py 
  (0, 0)    0.9842628978990572
  (0, 1)    0.21288927130505086
  (0, 2)    0.11321754428562536
  (0, 3)    0.02907902961562403
  (0, 4)    0.06534326022150638
  (0, 5)    0.5611332833785263
  (0, 6)    0.6693945587792903
  (0, 7)    0.6421603953803423
  (0, 8)    0.7299602339571223
  (0, 9)    0.5241172106721759
(1, 10)
[[0.5422929  0.27431614 0.65966523 0.05579376 0.41876797 0.46535913
  0.13079666 0.97518169 0.49505634 0.68287069]]
(1, 10)
Traceback (most recent call last):
  File "/mnt/alt_wkdir/118_serial_correlation/code/test_sparse_with_correlate.py", line 13, in <module>
    corr = signal.correlate(my_sparse, my_dense, method="direct", mode="full")
           ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "/mnt/bioinf_tools/miniconda3/envs/scipy/lib/python3.12/site-packages/scipy/signal/_signaltools.py", line 231, in correlate
    raise ValueError("in1 and in2 should have the same dimensionality")
ValueError: in1 and in2 should have the same dimensionality

尝试过将数组转置为(10,1)形状，仍得到相同错误；当前使用Scipy v1.11.4，新旧conda环境均存在该问题。询问是否可以将scipy.sparse与scipy.signal.correlate配合使用，以及具体操作方法。

解决方案 #

• scipy.signal.correlate不直接支持稀疏矩阵输入，其内部逻辑针对稠密数组设计，虽然稀疏矩阵和稠密数组的shape显示一致，但底层类型不兼容，导致维度检查逻辑误判。

• 可行的解决方法有两种：

  1. 转换为稠密数组计算（推荐小规模场景）
     如果稀疏矩阵的规模不大，直接用.toarray()方法将其转换为稠密数组后再调用correlate，这是最简单的实现方式。修改后的代码示例：

     import numpy
     import scipy.signal as signal
     import scipy.sparse as sparse
     
     my_sparse = sparse.csr_array(numpy.random.rand(10))
     my_dense = numpy.expand_dims(numpy.random.rand(10), 1).T
     
     # 将稀疏矩阵转为稠密数组
     corr = signal.correlate(my_sparse.toarray(), my_dense, method="direct", mode="full")
     print(corr)
     print(corr.shape)
     

  2. 手动实现稀疏矩阵的互相关（适用于大规模场景）
     如果稀疏矩阵规模极大，转稠密会占用过多内存，可以利用稀疏矩阵的乘法特性手动计算。对于1D序列的互相关，本质是滑动内积：对于形状为(1, N)的稀疏矩阵和(1, M)的稠密数组，full模式的互相关结果可通过构造循环矩阵后执行矩阵乘法实现，需注意索引方向和对齐逻辑。

内容的提问来源于stack exchange，提问作者dllahr