Scipy稀疏矩阵 - 不同实现的目的和用途

Question

Scipy稀疏矩阵 - 不同实现的目的和用途

pythonmatrixscipysparse-matrix

44

Scipy提供了许多不同类型的稀疏矩阵。这些类型之间最重要的区别是什么？它们的预期用途有什么不同？

我正在开发一个基于Matlab样本代码¹的Python代码。代码的其中一部分使用了稀疏矩阵，在Matlab中只有一种（令人讨厌）类型，我正试图弄清楚在Python中应该使用哪种类型²。

1: 这是一门课程的内容。大多数人使用Matlab完成项目，但我似乎喜欢制造不必要的工作和困惑。

2: 这是一个学术问题：我已经成功地使用“CSR”格式编写了代码，但我对最佳用法很感兴趣。

- DilithiumMatrix

5

我认为对于大多数线性代数运算而言，CSR或CSC应该是首选选项，因为大多数函数都是针对这些类型构建的。BSR是CSR的块状版本。COO和DOK对于数据输入很方便，但是一旦你把它们全部输入完毕，就会想要将它们转换为其他类型之一。LIL更适合像切片这样的操作。不确定DIA是否非常适合线性代数运算。 - Jaime

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Will · Accepted Answer

抱歉如果我的回答不够完整，但我希望能提供一些见解。

CSC（压缩稀疏列）和CSR（压缩稀疏行）更加紧凑高效，但难以“从头开始”构建。Coo（坐标）和DOK（键字典）容易构建，并且可以通过matrix.tocsc()或matrix.tocsr()转换为CSC或CSR。

CSC通常在访问列向量或列运算时更加高效，因为它将列及其在每行中的值存储为数组。

CSR矩阵则相反；将行及其在每列中的值存储为数组，访问行向量或行运算时更加高效。