我需要一个容器来存储稀疏矩阵。矩阵的大小约为 20,000*3,000,000。但是有差距，所以实际的矩阵大概是20000*500000。并且只占用了实际矩阵的 1%。
我需要保留索引，比如二维数组。但是二维数组无法将整个数据集放入内存。我找到了具有mapped_matrix、compressed_matrix、coordinate_matrix 的 boost 库。
我想知道有什么区别？无法从their documentation 中找出答案。
还有没有其他标准库具有稀疏矩阵容器并且可以使用索引来访问？
【问题讨论】：
标签： c++ matrix boost sparse-matrix
我发现了这个：
sparse_matrix: 这个类型是一个 std::map > 的实现。因此，插入元素需要 O(log(M)+log(K)) 操作加上存储分配，这应该是（摊销的）恒定时间。缺点是遍历所有元素、某些级别的间接（指针）和非连续存储的速度较慢。
compressed_matrix：这种类型是从 Netlib (www.netlib.org) 中得知的压缩行存储的实现，FORTRAN 线性代数库广泛使用。简而言之：我们有一个值向量、一个对应于该值的列索引向量和一个每行开始的指针向量。如果值和列索引必须移动一个位置，则插入一个元素需要 O(log(M)+log(K)) 操作加上 O(M*K) 存储操作。通过 push_back(i,j,value) 按顺序添加元素是常数时间。增加一个存在元素只需要 O(log(M)+log(K)) 操作。优点是非常快速的元素遍历，这为线性代数例程提供了最佳性能。
coordinate_matrix：这种类型是使用三个向量实现的三元组 (i,j,value) 列表。因此，您可以通过 insert(i,j,value) 以随机顺序插入元素，其作用类似于 A(i,j) += value。这实际上不同于其他矩阵类型的插入操作。如果您多次插入许多元素，您付出的代价是在每个元素访问和额外存储之前的 sort() 操作。 sort() 对所有元素进行排序并将一个元素的多次插入合并为一个。因此，对于 O(M*K log(MK)) 操作，元素的插入是常数时间加上最后的一次 sort()，具体取决于方法。 （根据 Stroustrup，“C++”：std::sort() 平均为 O(nlog(n))，最坏情况为 O(nn)，std::stable_sort() 平均为 O( n*log(n)log(n)) 加上 O(nlog(n)) 存储。）对于这种类型的线性代数运算通常比压缩矩阵慢。
参考：http://www.guwi17.de/ublas/matrix_sparse_usage.html
如果您在阅读他们的文档时遇到同样的问题，希望这会对您有所帮助。
【讨论】：
查看overview page of uBLAS。它们描述了稀疏向量和矩阵使用的存储空间。
【讨论】：
看看 1.(特征)http://eigen.tuxfamily.org/ 2.(乌布拉斯)http://www.boost.org/doc/libs/1_60_0/libs/numeric/ublas/doc/types_overview.html 3.(MTL4)
根据您的要求使用其中任何一种，可能会通过 ublas 他们描述那里的稀疏向量和矩阵使用的存储。
【讨论】：