scipy 1.0.0版本下如何保存CSR稀疏矩阵字典？save_npz报错求解

你遇到的问题根源很明确：scipy 1.0.0版本的scipy.sparse.save_npz只能处理单个稀疏矩阵，不支持直接保存字典对象，这就是代码报错的核心原因。下面给你几个可行的解决方案，按操作简便性和兼容性排序：

方案1：用joblib直接保存字典（最简便） #

joblib对包含scipy稀疏矩阵的复杂对象（比如字典）支持很好，不需要修改数据结构，操作步骤非常简单：

首先安装joblib（如果还没装）：

pip install joblib

然后执行保存和加载操作：

from joblib import dump, load

# 保存整个稀疏矩阵字典
dump(adj_mat_time_t, 'binary_adj_mats.joblib')

# 后续需要使用时加载字典
adj_mat_time_t_loaded = load('binary_adj_mats.joblib')

这个方法兼容所有scipy版本（包括1.0.0），加载后直接得到原字典，不需要额外的格式转换。

方案2：拆分字典，逐个保存单个矩阵（无额外依赖） #

如果不想安装新库，可以循环遍历字典的每个键值对，把每个CSR矩阵单独保存为npz文件：

import scipy.sparse as sp

# 遍历字典，为每个矩阵生成独立的npz文件
for time_key, mat in adj_mat_time_t.items():
    # 用字典键作为文件名的一部分，方便后续识别
    sp.save_npz(f'binary_adj_mat_{time_key}.npz', mat)

需要使用时重新构建字典：

import os
import scipy.sparse as sp

adj_mat_time_t_loaded = {}
# 遍历当前目录下所有符合命名规则的npz文件
for filename in os.listdir('.'):
    if filename.startswith('binary_adj_mat_') and filename.endswith('.npz'):
        # 提取原字典的键
        time_key = filename.replace('binary_adj_mat_', '').replace('.npz', '')
        # 加载矩阵并加入新字典
        adj_mat_time_t_loaded[time_key] = sp.load_npz(filename)

这个方法完全依赖scipy 1.0.0自带功能，不需要额外安装任何包。

方案3：用numpy.savez打包保存所有矩阵数据（无额外依赖） #

如果你想把所有数据集中存到一个文件里，可以把每个CSR矩阵的核心属性（data、indices、indptr、shape）提取出来，用numpy的savez打包保存：

import numpy as np
import scipy.sparse as sp

# 准备保存的内容，存储每个矩阵的核心属性
save_contents = {}
for time_key, mat in adj_mat_time_t.items():
    save_contents[f'{time_key}_data'] = mat.data
    save_contents[f'{time_key}_indices'] = mat.indices
    save_contents[f'{time_key}_indptr'] = mat.indptr
    save_contents[f'{time_key}_shape'] = mat.shape

# 打包保存到单个npz文件
np.savez('binary_adj_mats.npz', **save_contents)

加载时重建CSR矩阵字典：

import numpy as np
import scipy.sparse as sp

loaded_data = np.load('binary_adj_mats.npz')
adj_mat_time_t_loaded = {}

# 提取所有唯一的时间键
time_keys = set(key.split('_')[0] for key in loaded_data.keys() if '_data' in key)

for time_key in time_keys:
    # 取出每个矩阵的属性
    data = loaded_data[f'{time_key}_data']
    indices = loaded_data[f'{time_key}_indices']
    indptr = loaded_data[f'{time_key}_indptr']
    shape = loaded_data[f'{time_key}_shape']
    # 重建CSR矩阵
    adj_mat_time_t_loaded[time_key] = sp.csr_matrix((data, indices, indptr), shape=shape)

这个方法也不需要额外依赖，所有数据集中存储，适合需要统一管理文件的场景。

内容的提问来源于stack exchange，提问作者StatsSorceress