NumPy矩阵到SciPy稀疏矩阵：添加标量的最安全方法是什么？

首先，我不是数学家。我承认。然而，我仍然需要理解ScyPy的稀疏矩阵是如何在算术上工作的，以便在我必须处理的应用程序中从稠密NumPy矩阵切换到SciPy稀疏矩阵。问题是内存使用。大型密集矩阵将消耗大量内存

有争议的公式部分是将矩阵添加到标量中

A = V + x

式中，V是一个正方形矩阵（其较大，例如60000 x 60000），且人口稀少。x是一个浮点数

使用NumPy的操作将（如果我没有弄错的话）将x添加到V中的每个字段。如果我完全偏离基准，请告诉我，x将只添加到V中的非零值

对于SciPy，并非所有稀疏矩阵都支持相同的功能，如标量加法。dok_矩阵（键字典）支持标量加法，但（在实践中）它似乎在分配每个矩阵项，有效地将我的稀疏dok_矩阵呈现为一个密集矩阵，开销更大。（不好）

其他矩阵类型（CSR、CSC、LIL）不支持标量加法

我可以尝试用标量值x构造一个完整的矩阵，然后将其添加到V中。矩阵类型不会有问题，因为它们似乎都支持矩阵加法。然而，我必须消耗大量内存才能将x构造成一个矩阵，并且加法的结果也可能最终被完全填充到矩阵中

必须有一种替代方法来实现这一点，它不需要分配100%的稀疏矩阵

---

我愿意接受需要大量内存的事实，但我想我会先寻求一些建议。谢谢。

诚然，稀疏矩阵并不在我的驾驶室中，但ISTM的最佳前进方式取决于矩阵类型。如果你是DOK：

>>> S = dok_matrix((5,5))
>>> S[2,3] = 10; S[4,1] = 20
>>> S.todense()
matrix([[  0.,   0.,   0.,   0.,   0.],
        [  0.,   0.,   0.,   0.,   0.],
        [  0.,   0.,   0.,  10.,   0.],
        [  0.,   0.,   0.,   0.,   0.],
        [  0.,  20.,   0.,   0.,   0.]])

然后您可以更新：

>>> S.update(zip(S.keys(), np.array(S.values()) + 99))
>>> S
<5x5 sparse matrix of type '<type 'numpy.float64'>'
    with 2 stored elements in Dictionary Of Keys format>
>>> S.todense()
matrix([[   0.,    0.,    0.,    0.,    0.],
        [   0.,    0.,    0.,    0.,    0.],
        [   0.,    0.,    0.,  109.,    0.],
        [   0.,    0.,    0.,    0.,    0.],
        [   0.,  119.,    0.,    0.,    0.]])

请注意，您可能需要添加一个额外的

>>> C.eliminate_zeros()

---

为了处理你添加了一个负数的可能性，现在有一个

0

，它实际上正在被记录。就其本身而言，这应该可以很好地工作，但下次您执行

C.data+=some_number

技巧时，它会将

some number

添加到您引入的零上。

只是要明确一点：最后，您想要的结果是密集矩阵

A

？或者您想将标量

x

添加到

V

的非零元素中吗？“直接修改数据属性”谢谢，这是一个极好的见解。

>>> C.eliminate_zeros()