python 稀疏矩阵的快速行操作

Question

我在 python 中有一个很大的稀疏矩阵，想对其执行许多基本的行运算。即，将一行的倍数添加到另一行。最有效的方法是什么？使用 lil 矩阵可以进行基本的行操作，但速度非常慢。 csc 和 csr 矩阵不支持这些操作。

Answer 1

首先，一个 MCV 示例会对问题有很大帮助。我只能推测你的行操作。

一个基本问题 - 行的稀疏结构是否不同？以 lil 为例。如果 2 行具有相同的 rows 列表，那么您的数学可以直接使用 data 列表。如果 rows 不同，则数学会变得复杂得多，因为您必须更改两个列表。

lil 和 csr 都支持按行索引

In [7]: M=sparse.rand(10,10,.3)
In [8]: Mr=M.tocsr()
In [9]: Ml=M.tolil()

是的，如果您通过添加另一行来更改行，csr 会发出警告：

In [17]: Ml[2,:] += Ml[1,:]
In [18]: Mr[2,:] += Mr[1,:]
...
  SparseEfficiencyWarning)

但是 lil 数学实际上使用了 csr 中介。 lil 行表示为列表，而不是数组。

In [14]: Ml[1,:]+Ml[2,:]
Out[14]: 
<1x10 sparse matrix of type '<class 'numpy.float64'>'
    with 5 stored elements in Compressed Sparse Row format>

索引矩阵运算很慢，尤其是与密集数组等价物相比。但是他们会为你处理很多小细节。

我在其他 SO 答案中探索了行操作。当我更好地了解您要做什么时，我会搜索这些内容。

总的来说，没有灵丹妙药，尤其是当您要更改稀疏度时。 scipy sparse 不是快速行计算的最佳工具。

scipy: Adding a sparse vector to a specific row of a sparse matrix - 这个问题非常接近，我很想将这个问题标记为重复。

（更多内容在 'user:901925 [scipy] rows' 上的 SO 搜索中）

Fast row operations with python sparse matrices