Scipy给出了错误的矩阵乘法结果

我正在使用 scipy .power() 方法不适用于稀疏矩阵。我用三种方法进行了检查:

import scipy as sp
import scipy.sparse 

方法1:普通矩阵乘法

row = np.array([0, 3, 1, 0])
col = np.array([0, 3, 1, 2])
data = np.array([4, 5, 7, 9])
P1 = sp.sparse.coo_matrix((data, (row, col)), shape=(4, 4))
#Method 1
P1.power(4).todense() #gives wrong result

结果:

matrix([[ 256,    0, 6561,    0],  #6561 isn't right
        [   0, 2401,    0,    0],
        [   0,    0,    0,    0],
        [   0,    0,    0,  625]], dtype=int32)

方法2:

P = P1.copy()
#calculate ^4
for loop in range(2):
    P = P.dot(P)
P.todense()

输出

matrix([[ 256,    0,  576,    0],
        [   0, 2401,    0,    0],
        [   0,    0,    0,    0],
        [   0,    0,    0,  625]], dtype=int32)

方法3

P1.dot(P1).dot(P1).dot(P1).todense()

矩阵([[256,0,576,0],
[   0, 2401,    0,    0],
[0,0,0,625]],数据类型=int32)

方法4:

你可以随时查看结果 this website (symbolab.com)

Element-wise power of scipy.sparse matrix , Matrix power for sparse matrix in python 怎样 做矩阵乘法。我很感激任何帮助。