python - Scipy 稀疏矩阵 - 不同实现的目的和用法

Question

Scipy 有许多不同类型的稀疏矩阵可用。这些类型之间最重要的区别是什么，它们的预期用途有什么区别？

我正在基于Matlab 中的示例代码^{1在 python 中开发代码。}代码的一部分使用了稀疏矩阵——它在 Matlab 中似乎有一个（烦人的）类型，我试图弄清楚我应该在 python 中使用哪种类型^{2 。}

---

1：这是一个班级。大多数人都在 Matlab 中做这个项目，但我喜欢制造不必要的工作和混乱 --- 显然。

2：这是一个学术问题：我的代码以“ CSR ”格式正常工作，但我很想知道最佳用法是什么。

Answer 1

抱歉，如果我没有完全回答这个问题，但希望我能提供一些见解。

CSC（压缩稀疏列）和 CSR（压缩稀疏行）更加紧凑和高效，但难以“从头开始”构建。Coo (Coordinate) 和 DOK (Dictionary of Keys) 更容易构建，然后可以通过matrix.tocsc()或转换为 CSC 或 CSR matrix.tocsr()。

通常，CSC 在访问列向量或列操作时更有效，因为它存储为列数组及其每行的值。

企业社会责任矩阵正好相反；存储为行数组及其每列的值，并且在访问行向量或行操作时更有效。