Julia 具有相同I，J向量的COO到CSC格式

现在，我调用K=sparse（I，J，V，n，n）函数来创建Julia中的稀疏（对称）K矩阵。我做了很多步骤

出于内存和效率考虑，我想修改K.nzval值，而不是创建新的稀疏K矩阵。注意，I和J向量对于每一步都是相同的，但非零值（V）在每一步都在变化。基本上，我们可以说我们知道COO格式的稀疏模式。（I和J不是有序的，可能有多个（I[I]，J[I]）条目）

我试图将我的COO格式向量与CSC/CSR格式存储相关联。然而，我发现它并不琐碎（至少目前如此）

有没有办法做到这一点或神奇的“稀疏”功能？谢谢

下面是一个与我的问题相关的示例代码

n=19 # this is much bigger in reality ~ 100000. It is the dimension of a global stiffness matrix in finite element method, and it is highly sparse! 
I = rand(1:n,12)
J = rand(1:n,12)
#
for k=365
  I,J,val = computeVal()  # I,J are the same as before, val is different, and might have duplicates in it. 
  K = sparse(I,J,val,19,19)
  # compute eigs(K,...)
end

# instead I would like to decrease the memory/cost of these operations with following
# we know I,J
for k=365
  I,J,val = computeVal()  # I,J are the same as before, val is different, and might have duplicates in it. 
  # note that nonzeros(K) and val might have different size due to dublicate entries.
  magical_sparse!(K,val)
  # compute eigs(K,...)
end

# what I want to implement 
function magical_sparse!(K::SparseMatrixCSC,val::Vector{Float64}) #(Note that this is not a complete function)
    # modify K 
    K.nzval[some_array] = val
end

编辑：

这里给出了一个更具体的例子

n=4 # dimension of sparse K matrix
I = [1,1,2,2,3,3,4,4,1,4,1]
J = [1,2,1,2,3,4,4,3,2,4,2]
# note that the (I,J) -> (1,2) and (4,4) are duplicates.
V = [1.,1.,1.,1.,1.,1.,1.,1.,1.,1.,1.]

function computeVal!(V)
  # dummy function
  # return modified V
  rand!(V) # this part is involed, so I will just use rand to represent that we compute new values at each step for V vector. 
end

for k=1:365
  computeVal!(V)
  K = sparse(I,J,V,n,n)
  # do things with K
end

# Things to notice:
# println(length(V))       -> 11
# println(length(K.nzval)) -> 8

# I don't want to call sparse function at each step. 
# instead I would like to decrease the cost of these operations with following
# we know I,J
for k=1:365
  computeVal!(V)
  magical_sparse!(K,V)
  # do things with K
end

# what I want to implement 
function magical_sparse!(K::SparseMatrixCSC,V::Vector{Float64}) #(Note that this is not a complete function)
  # modify nonzeros of K and return K  
end

---

当前问题的更新

根据问题的变化，新的解决方案是：

for k=365
  computeVal!(V)
  foldl((x,y)->(x[y[1],y[2]]+=y[3];x),fill!(K, 0.0), zip(I,J,V))
  # do things with K
end

此解决方案使用了一些技巧，例如，使用

fill将
K
归零

，默认情况下返回

K

，然后将其用作

foldl

的初始值。同样，使用

？foldl

应该可以弄清楚这里发生了什么

对老问题的回答

替换

for k=365
  val = rand(12)
  magical_sparse!(K,val)
  # compute eigs(K,...)
end

与

我们应该做到这一点

---

使用

？兰德

和

？非零

以获取有关各自功能的帮助。

了解有关您的COO格式的更多详细信息（最好还有一些粘贴的代码）会有所帮助，我希望这会有所帮助！请看我的编辑。谢谢…使用

nonzeros（K）。=val

来实现神奇的功能，甚至可以使用

rand直接随机化
nonzeros（K）
该函数有帮助！非常感谢。但是，仍有一些部分需要改进。我还对问题进行了编辑，以澄清一些问题。实际上，
val
不是一个随机向量。它是与
[I，J]
坐标的新计算值相对应的数组。我想一个人需要把重复的部分加起来才能使用你的建议！我要试试看！再次感谢。这就是神奇的稀疏函数！非常感谢你！感谢患者对问题的编辑：）
for k=365
  rand!(nonzeros(K))
  # compute eigs(K,...)
end