我正在使用 Scipy 进行 FEM 项目。现在我的问题是，稀疏矩阵的组装太慢了。我计算密集小矩阵中每个元素的贡献（每个元素一个）。对于全局矩阵的组装，我遍历所有小的密集矩阵并按以下方式设置矩阵条目：
[i,j] = someList[k][l]
Mglobal[i,j] = Mglobal[i,j] + Mlocal[k,l]
Mglobal是一个适当大小的 lil_matrice，someList映射索引变量。
当然，这是相当慢的，并且消耗了大部分矩阵组装时间。有没有更好的方法从许多小的密集矩阵组装一个大的稀疏矩阵？我试过 scipy.weave 但它似乎不适用于稀疏矩阵
我发布了我对 scipy 邮件列表的回复；堆栈溢出更容易访问，所以我也会在这里发布，尽管是一个稍微改进的版本。
诀窍是使用 IJV 存储格式。这是三个数组的三重奏，其中第一个包含行索引，第二个包含列索引，第三个包含该位置的矩阵值。这是构建有限元矩阵（或我认为的任何稀疏矩阵）的最佳方法，因为访问这种格式非常快（只需填充一个数组）。
在 scipy 中，这被称为coo_matrix; 该类将三个数组作为参数。它实际上只对转换为另一种格式（CSR os CSC）以实现快速线性代数有用。
对于有限元，您可以通过类似的方式估计三个数组的大小
size = number_of_elements * number_of_basis_functions**2
因此，如果您有 2D 二次方，例如，您可以使用 number_of_elements * 36。这种方法很方便，因为如果你有本地矩阵，你肯定有全局数字和条目值：这正是构建三个 IJV 数组所需要的。Scipy 足够聪明，可以丢弃零条目，所以高估是可以的。