如何解决AttributeError: 'generator' object has no attribute 'ndim'错误

嘿，这个问题其实很直观——你给csgraph.laplacian()传了个生成器对象，但它根本不认识这种类型！

为什么会报错？ #

scipy.sparse.csgraph.laplacian() 函数需要的是二维数组、scipy稀疏矩阵或者类似的结构化矩阵对象，这些类型都有ndim属性来表示维度。但你传入的cmap（也就是调用fromcmaptocoords时的参数C）是个生成器，生成器只是个迭代器，没有矩阵的维度属性，所以直接触发了AttributeError。

看你的代码片段，问题就出在get_lap(C)这一步：C是生成器，不是符合要求的矩阵。

怎么修复？ #

核心思路就是把生成器转换成csgraph.laplacian能处理的矩阵类型，分两种常见场景：

场景1：生成器逐行输出矩阵数据 #

如果你的生成器每次yield一行矩阵的数值（比如[1,0,1]这样的行向量），直接把它转成numpy数组就行：

def fromcmaptocoords(C):
    # 把生成器转换成二维numpy数组
    C_matrix = np.array(list(C))
    L = get_lap(C_matrix)
    eigw, eigv = LA.eigh(L.todense())
    vecs = eigv[:,1:3]
    guess_coords = pd.DataFrame(data=vecs, columns=["x", "y"])
    return guess_coords

场景2：生成器输出稀疏矩阵的三元组（i,j,value） #

如果生成器是在输出稀疏矩阵的坐标和对应值（比如每次输出(0,2,0.5)这样的三元组），可以直接用scipy的稀疏矩阵构造器转换：

def fromcmaptocoords(C):
    # 把生成器的三元组转换成coo格式稀疏矩阵，再转成csc
    rows, cols, vals = zip(*list(C))
    C_matrix = scipy.sparse.coo_matrix((vals, (rows, cols))).tocsc()
    L = get_lap(C_matrix)
    eigw, eigv = LA.eigh(L.todense())
    vecs = eigv[:,1:3]
    guess_coords = pd.DataFrame(data=vecs, columns=["x", "y"])
    return guess_coords

额外小提示 #

• 先确认生成器的输出结构：可以先临时加一行print(list(C))看看里面的元素是什么样的，确保转换后的矩阵是二维的（csgraph.laplacian只认二维结构）。
• 如果生成器数据量特别大，转成list可能占内存，但拉普拉斯矩阵计算需要完整的矩阵数据，所以还是得先把生成器的内容转换成完整的矩阵对象才行。

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