将元素添加到 csr_matrix 的正确方法是什么？

Question

我有一个 csr_matrix，假设我调用了：

import scipy.sparse as ss
mat = ss.csr.csr_matrix((50, 100))

现在我想修改这个矩阵上的一些值。我打电话：

mat[0,1]+=1

我得到：

SparseEfficiencyWarning: Changing the sparsity structure of a csr_matrix is expensive. lil_matrix is more efficient.

我只需要在创建矩阵之后设置几个值（最后以矩阵的比例）。稍后我将只读取列或对整个矩阵进行元素操作（如.log1p()）

这样做的正确方法是什么？目前我可以忽略警告，但可能有更好的方法，不会产生警告。

Answer 1

您可以控制警告的出现。默认设置是在运行期间显示一次，然后保持沉默。您可以更改它以引发错误、完全静默或每次都发出警告。

创建稀疏矩阵的常用方法是创建 3 个coo 样式数组，其中所有值均非零。然后做一个coo矩阵，或者直接做csr（采用相同风格的输入）。

coo 格式没有索引，所以无论如何你不能做M[i,j]=1。但是csr 确实实现了它。我认为警告是为了阻止多个更改（在一个循环中）而不是一两个。

更改csr 矩阵的稀疏度需要重新计算整个属性集（数据和索引指针）。这就是它昂贵的原因。我还没有做计时，但它可能几乎和使阵列新鲜一样昂贵。

lil 应该更适合增量分配。它将数据保存在列表列表中，并且将值插入列表非常快。但是将csr 转换为lil 并返回需要时间，所以我不会只添加一些内容。

Answer 2

代替：

from scipy.sparse import csr_matrix

# Create sparse matrix.
graph = csr_matrix((10, 10))
# Change sparse matrix.
graph[(1, 1)] = 0      # --- SLOW --- ^1
# Do some calculations.
graph += graph

或者：

from scipy.sparse import lil_matrix

# Create sparse matrix.
graph = lil_matrix((10, 10))
# Change sparse matrix.
graph[(1, 1)] = 0
# Do some calculations.
graph += graph         # --- SLOW --- ^2

结合两者的优势：

from scipy.sparse import csr_matrix, lil_matrix

# Create sparse matrix.
graph = lil_matrix((10, 10))
# Change sparse matrix.
graph[(1, 1)] = 0
# Done with changes to graph. Convert to csr.
graph = csr_matrix(graph)
# Do some calculations.
graph += graph         

不要把“--- SLOW ---”当作一刀切的戒律！这只是一个警告，在某些数据集中，您应该意识到可能有更快、更有效的方法来做事。对于其他数据集，这只会使您的代码更难阅读和维护，而不会带来任何性能优势。

1：根据警告“慢”：

/venv/lib/python3.8/site-packages/scipy/sparse/_index.py:82: SparseEfficiencyWarning: Changing the sparsity structure of a csr_matrix is expensive. lil_matrix is more efficient.

2：根据docs 中的警告“慢”：

LIL 格式的缺点：
算术运算 LIL + LIL 很慢（考虑 CSR 或 CSC）