Scipy稀疏矩陣在賦值後變成緻密矩陣

Question

alpha = csr_matrix((1000,1000),dtype=np.float32) 
beta = csr_matrix((1,1000),dtype=np.float32) 
alpha[0,:] = beta 

啓動後，alpha和beta應該是沒有元素存儲在其中的稀疏矩陣。但在將beta分配給alpha的第一行之後，alpha變爲非稀疏，並且在alpha中存儲了1000個零。我知道我可以使用elimination_zeros（）將alpha變回稀疏矩陣，但有沒有更好的方法來做到這一點？

Answer 1

當我複製你的腳步，我得到

In [131]: alpha[0,:]=beta 
/usr/lib/python3/dist-packages/scipy/sparse/compressed.py:730: 
    SparseEfficiencyWarning: Changing the sparsity structure of a 
    csr_matrix is expensive. lil_matrix is more efficient. 
    SparseEfficiencyWarning) 

所以這是，你正在做，開發商考慮不明智的東西第一個指標。

我們可以深入研究csr__setitem__的代碼，但我的猜測是它會將您的beta轉換爲密集的，然後進行分配。並且不會自動執行eliminate_zeros步驟（在作業期間或之後）。

通常爲什麼人們會做a[...]=...？通常是建立稀疏矩陣。清零非零值是可能的，但不足以將其視爲特殊情況。

由於各種原因，在稀疏矩陣中可能有0個值。您甚至可以直接將0插入alpha.data。這就是爲什麼有'清理'方法，如eliminate_zeros和prune。即使nonzero施加一個!=0面具

# convert to COOrdinate format 
    A = self.tocoo() 
    nz_mask = A.data != 0 
    return (A.row[nz_mask],A.col[nz_mask]) 

在正常稀疏實際上，你建立coo或其他格式的數據，然後轉換爲csr進行計算。矩陣乘法是它的強項。這構造了一個新的稀疏矩陣。修改csr是可能的，但不鼓勵。

====================

alpha.__setitem__??（在IPython中）顯示

def __setitem__(self, index, x): 
    # Process arrays from IndexMixin 
    i, j = self._unpack_index(index) 
    i, j = self._index_to_arrays(i, j) 

    if isspmatrix(x): 
     x = x.toarray() 
    .... 
    self._set_many(i, j, x.ravel()) 

所以，是的，它的RHS轉換成在做任務之前密集陣列。