我对此进行了很多研究，但找不到解决此问题的实用方法。我正在使用 scipy 创建 csr 稀疏矩阵，并希望从所有等价矩阵中减去该矩阵。在 scipy 和 numpy 表示法中，如果矩阵不是稀疏的，我们可以通过简单地编写 1 - MatrixVariable 来做到这一点。但是，如果 Matrix 是稀疏的，则不会执行此操作。我可以想到以下明显的解决方案：
遍历整个稀疏矩阵，将所有零元素设置为 1，将所有非零元素设置为 0。
但这会创建一个矩阵，其中大多数元素为 1，只有少数元素为 0，它不再是稀疏的，并且由于其巨大的尺寸无法转换为密集的。
有什么可以替代且有效的方法来做到这一点？
谢谢。
你的新矩阵不会是稀疏的，因为它1到处都有 s，所以你需要一个密集的数组来保存它：
new_mat = np.ones(sps_mat.shape, sps_mat.dtype) - sps_mat.todense()
这要求您的矩阵适合内存。它实际上要求它适合内存 3 次。如果这是一个问题，您可以更有效地执行以下操作：
new_mat = sps_mat.todense()
new_mat *= -1
new_mat += 1
您可以访问稀疏矩阵中的数据，1D array以便：
ss.data *= -1
ss.data += 1
1 - ss对于稀疏矩阵中的所有非零元素，将像 , 一样工作。