Python scipy.sparse.linalg.eigs的工作速度比linalg.eigvals慢，即使对于大型矩阵也是如此

我在这里看到了关于scipy.sparse.linalg.eigs的静止状态，其工作速度比linalg.eigvals慢，但问题是存在小矩阵。在我的例子中，我有矩阵1000x1000，但linalg.eigvals的性能仍然比下面的代码好得多：

import scipy as sp
import scipy.sparse.linalg as lg

N = 1000
m = sp.sparse.random(N, N, density=0.05).tocsc()
a = m.A

%timeit lg.eigs(m, k=500, return_eigenvectors=False, which='LR', tol = 0.0001)

%timeit sp.linalg.eigvals(a)

EIG的每个环路3.62 s±520 ms（7次运行的平均值±标准偏差，每个环路1次）
eigvals的每个循环1.68 s±420 ms（7次运行的平均值±标准偏差，每个循环1次）

---

我不明白怎么可能

我不熟悉

scipy.sparse.linalg.eigs

中隐含重新启动的Arnoldi方法的局限性，但是一半的特征值似乎需要很多特征值。而且，5%的稀疏度可能不足以让基于稀疏度的优化产生效果。我不熟悉

scipy.sparse.linalg.eigs

中隐含重新启动的Arnoldi方法的局限性，但一半的特征值似乎需要很多特征值。此外，对于基于稀疏性的优化来说，5%可能不够稀疏。