使用lil_矩阵的python性能瓶颈

我目前正在python中使用稀疏矩阵。我选择使用lil_矩阵来解决我的问题，因为正如文档中所解释的，lil_矩阵用于构造稀疏矩阵。我的稀疏矩阵的维数为2500x2500

我在两个循环（在矩阵元素中迭代）中有两段代码，它们的执行时间不同，我想了解原因。第一个是

current = lil_matrix_A[i,j]
lil_matrix_A[i, j] = current + 1
lil_matrix_A[j, i] = current + 1

基本上就是把矩阵的每一个元素加一。 第二个是如下所示

value = lil_matrix_A[i, j]
temp = (value * 10000) / (dictionary[listA[i]] * dictionary[listB[j]])
lil_matrix_A[i, j] = temp
lil_matrix_A[j, i] = temp

基本上取这个值，计算一个公式，然后将这个新值插入矩阵。 第一段代码执行约0.4秒，第二段代码执行约32秒。 我知道第二个在中间有一个额外的计算，但是在我看来，时差是没有意义的。字典和列表索引具有O（1）复杂性，因此它不应该是一个问题。是否有任何迹象表明是什么导致了执行时间的差异

---

注意：列表和字典中的元素数也是2500。

您能提供一些可复制的可运行代码吗？你的分析器怎么说？你在迭代矩阵的每个元素吗？不只是现在的非零吗？如果是这样，为什么要使用稀疏矩阵？为什么不是普通的密集型呢？（25002500）对于密集阵列来说不是那么大。@hpaulj不，我不是。基本上，第一段代码是矩阵的构造，之后的大多数值都是0。第一个代码的循环逻辑有点复杂，所以我在这里尽量保持简单。但是如果这有帮助的话，它甚至可能在第一段代码中比在第二段代码中有更多的迭代。另一方面，我刚刚更改了第二段代码，从计算中跳过了等于0的值，并且我从32秒改进到了9秒。但是我仍然认为差别很大。