Excel整数矩阵转SymPy矩阵后元素及逆矩阵非有理数问题排查

从Excel导出全整数表格，将空白单元格填充为0后转换为SymPy矩阵，期望做有理数精确运算，但遇到以下问题：

• 转换后的SymPy矩阵元素为浮点数而非整数
• 求逆矩阵得到的是数值近似值，无法保留有理数形式
• 使用matrix_sympy.applyfunc(floor)及lambda表达式尝试修正，均无效果

用户代码如下：

import pandas as pd
import sympy as sp
import numpy as np

from sympy import *
from sympy import Matrix
from sympy.utilities.lambdify import lambdify, implemented_function
from sympy import Function

problems_path = r'C:\Users\Lacika\Desktop\PHD\Kutatas\problems.xlsx'

problems_dict = pd.read_excel(problems_path, sheet_name=None, header=None)


for problem in problems_dict:
    matrix_numpy = problems_dict[problem]
    matrix_numpy = matrix_numpy.fillna(0).to_numpy()
    det_orig = np.linalg.det(matrix_numpy)

    diag = np.diag(matrix_numpy)
    #print(diag)
    #print(matrix_numpy)

    matrix_sympy = sp.Matrix(matrix_numpy)
    pretty_print(matrix_sympy)

    matrix_sympy.applyfunc(floor)
    pretty_print(matrix_sympy)
    pretty_print(matrix_sympy**-1)

1. 数据类型偏差：Pandas读取Excel时，若表格存在隐性浮点类型单元格（比如空白填充0后被识别为浮点），会将整个数组转为float64类型，导致SymPy矩阵元素为浮点数。
2. SymPy矩阵不可变性：applyfunc()方法不会修改原矩阵，而是返回新的矩阵对象，直接调用不赋值的话，原矩阵不会发生变化。

修改后的代码如下，关键步骤已标注：

import pandas as pd
import sympy as sp
import numpy as np

from sympy import Matrix, pretty_print

problems_path = r'C:\Users\Lacika\Desktop\PHD\Kutatas\problems.xlsx'

problems_dict = pd.read_excel(problems_path, sheet_name=None, header=None)

for problem in problems_dict:
    matrix_numpy = problems_dict[problem]
    # 1. 填充空白为0后，强制转换为整数类型
    matrix_numpy = matrix_numpy.fillna(0).astype(int).to_numpy()
    
    # 2. 转换为SymPy矩阵，此时元素为整数类型
    matrix_sympy = sp.Matrix(matrix_numpy)
    pretty_print(matrix_sympy)
    
    # 3. 显式转为SymPy整数类型（可选，进一步确保类型正确）
    matrix_sympy = matrix_sympy.applyfunc(sp.Integer)
    pretty_print(matrix_sympy)
    
    # 4. 使用inv()方法求逆，得到有理数形式的精确逆矩阵
    pretty_print(matrix_sympy.inv())

关键修改说明 #

• astype(int)：从源头将Numpy数组转为整数类型，避免浮点污染
• matrix_sympy = matrix_sympy.applyfunc(sp.Integer)：显式转换为SymPy整数类型，确保后续运算的精确性
• matrix_sympy.inv()：SymPy的inv()方法会返回精确的有理数逆矩阵，而非数值近似值

内容的提问来源于stack exchange，提问作者Laci