Scipy稀疏矩陣 - 不同實現的目的和用法

Question

Scipy有many different types of sparse matrices available。這些類型之間最重要的區別是什麼？它們的用途有什麼不同？

我正在開發一個基於代碼示例代碼在Python中的代碼。一段代碼使用稀疏矩陣 - 在Matlab中似乎有一個（煩人的）類型，我試圖找出哪種類型的我應該在Python中使用。

---

1：這是一個類。大多數人都在用Matlab做這個項目，但我喜歡製造不必要的工作和困惑---顯然。

2：這是一個學術問題：我的代碼與'CSR'格式正常工作，但我很有興趣知道最佳用法是什麼。

Answer 1

對不起，如果我沒有完全回答，但希望我能提供一些見解。

CSC（壓縮稀疏列）和CSR（壓縮稀疏行）更加緊湊和高效，但難以從頭開始構建。 Coo（座標）和DOK（鍵盤字典）更容易構建，然後可以通過matrix.tocsc()或matrix.tocsr()轉換爲CSC或CSR。

CSC在訪問列向量或列操作時效率更高，一般情況下，它是以列的數組及其每行的值存儲的。

CSR矩陣是相反的;以行數組及其值存儲在每列中存儲，並且在訪問行向量或行操作時效率更高。