通勤numpy稀疏矩阵点积

据我所知，

numpy.sparse.csr\u sparse.dot（other）

会从右侧将

other

乘以我的稀疏矩阵：

A = numpy.sparse.csr_sparse(something)
B = numpy.matrix(something)
C = A.dot(B)                     # C = A*B

---

如何转换这两个矩阵以获得

B*A

，同时又不失去将矩阵保存为稀疏矩阵的好处（即

.todense（）

等）？

矩阵乘法属性的一点更新：

D = B * A
D.T = A.T * B.T
D = (A.T * B.T).T

这就引出了显而易见的问题：

D = A.T.dot(B.T).T

---

请注意，CSR和CSC矩阵的转换非常快，因为它只是简单地更改形状和类型（从CSR到CSC，或从CSC到CSR），使内部数据保持不变。

有什么原因不能将

B

保存为稀疏矩阵？尝试

sparse.csr\u matrix.dot（B，A）

表示第一个参数必须是稀疏的，但是

sparse.csr\u matrix.dot（sparse.csr\u matrix（B，A）

有效，如果您的情况可能的话。另外，请注意。是的，我知道这些属性。我担心的是，将一个列顺序稀疏矩阵来回变换会把事情搞得一团糟。。。