Matrix 在Julia中高效地将数据文件解析为拉普拉斯矩阵

给定一个数据文件

11616,,,6263,,,1.0
1429,,,5377,,,0.5
1429,,,7207,,,0.5
5377,,,7207,,,0.5
2713,,,1499,,,1.0
8598,,,1031,,,1.0
6166,,,1283,,,0.5
6166,,,12602,,,0.5
...

每个条目都遵循以下结构，并且来自同一个连通图 {node number1，node number2，edge weight}（解析可以很容易地完成，因此您可以假设它是一个3元组数据） 大约有100000个条目。保证矩阵是稀疏的。

---

如何将这些条目转换为拉普拉斯矩阵，并将拉普拉斯矩阵存储为输出文件（或我应该查看的任何Julia库）？

您可以使用

sparse

命令从解析数据中获得的向量构建稀疏矩阵。但是，没有理由对拉普拉斯算子使用稀疏矩阵：只需使用具有重载索引的惰性类型。您可以使用JLD.jl将其保存到输出文件中。