Scipy csr_matrix与自定义SparseMatrix比较返回False的问题求助

我用两种方式构建了稀疏矩阵：

a = csr_matrix(M)  # scipy库函数
b = SparseMatrix(M)  # 自定义类

打印a和b时，输出的矩阵内容完全一致：

[[10. 20.  0.  0.  0.  0.]
 [ 0. 30. 99. 40.  0.  0.]
 [ 0.  0. 50. 60. 70.  0.]
 [ 0.  0.  0.  0.  0. 80.]]
[[10. 20.  0.  0.  0.  0.]
 [ 0. 30. 99. 40.  0.  0.]
 [ 0.  0. 50. 60. 70.  0.]
 [ 0.  0.  0.  0.  0. 80.]]

但执行print(a == b)返回False。检查属性发现：

print(a.dtype)  # 输出 float64
print(b.dtype)  # 报错 'SparseMatrix' object has no attribute 'dtype'

推测是类型差异导致比较失败，希望找到无需修改SparseMatrix类的平滑解决办法。

以下是自定义SparseMatrix类的代码：

import numpy as np
from scipy.sparse import csr_matrix

class SparseMatrix:
    
    def __init__(self, A, tol = 1e-8):
        """
        参数
        ----------
        A : Numpy.Array
            输入矩阵。
        tol : float, 可选
            判断元素是否为0的容差，默认值1e-8。

        返回
        -------
        None.
        """
        self.n_rows = A.shape[0]
        self.n_cols = A.shape[1]
        self.intern_represent = 'CSR'
        self.tol = tol
        self.V = []
        self.col_index = [] 
        self.row_index = np.zeros(self.n_rows + 1, dtype = int) 
        self.number_of_nonzero = 0
        
        for row in range(self.n_rows):
            self.row_index[row] = self.number_of_nonzero 
            for column in range(self.n_cols):
                if abs(A[row, column]) >= tol:
                    self.number_of_nonzero += 1
                    self.V.append(A[row, column])
                    self.col_index.append(column)
        self.row_index[-1] = self.number_of_nonzero

因为csr_matrix和自定义SparseMatrix是不同类型的对象，直接用==比较会因类型不匹配返回False，可以通过以下两种方式实现内容比较：

方法1：转为稠密矩阵后比较 #

把两个矩阵都转换成numpy稠密数组，再进行元素级比较，考虑浮点数精度问题用容差匹配：

# 转换scipy矩阵为稠密格式
a_dense = a.toarray()
# 转换自定义矩阵为稠密格式
b_dense = np.zeros((b.n_rows, b.n_cols))
for row in range(b.n_rows):
    start = b.row_index[row]
    end = b.row_index[row+1]
    for idx in range(start, end):
        b_dense[row, b.col_index[idx]] = b.V[idx]

# 用容差判断所有元素是否相等
is_equal = np.allclose(a_dense, b_dense, atol=b.tol)
print(is_equal)  # 返回True则内容一致

方法2：直接对比CSR核心数据 #

两种矩阵都采用CSR存储格式，直接对比核心存储数据（值、列索引、行指针），效率更高：

# 提取scipy csr_matrix的核心数据
a_vals = a.data
a_col_idx = a.indices
a_row_ptr = a.indptr

# 提取自定义SparseMatrix的核心数据
b_vals = np.array(b.V)
b_col_idx = np.array(b.col_index)
b_row_ptr = b.row_index

# 分别验证各部分是否一致
vals_match = np.allclose(a_vals, b_vals, atol=b.tol)
col_idx_match = np.array_equal(a_col_idx, b_col_idx)
row_ptr_match = np.array_equal(a_row_ptr, b_row_ptr)

# 所有部分匹配则矩阵内容一致
is_equal = vals_match and col_idx_match and row_ptr_match
print(is_equal)

内容的提问来源于stack exchange，提问作者Bronze