Python Scipy CSR矩阵元素式加法

与numpy阵列/矩阵不同，CSR矩阵似乎不允许自动广播。CSR实现中有元素相乘的方法，但没有加法。如何通过标量有效地添加到CSR稀疏矩阵？

这里，我们希望向非零项添加标量，而不使用矩阵 稀疏性，即不接触零条目

---

从（

**emphasis**

是我的）：

所以我试过了（第一部分是从参考文档中“偷来的”）

它起作用了。如果保存原始矩阵，可以使用构造函数 使用修改后的数据数组

---

免责声明

这个答案解决了这个问题的解释

我有一个稀疏矩阵，我想给非零项添加一个标量，保持矩阵及其编程表示的稀疏性

我选择这种解释的理由是，向所有条目添加标量会使稀疏矩阵变成非常密集的矩阵

如果这是正确的解释，我不知道：一方面，OP批准了我的答案（至少今天是2017-07-13），另一方面，在他们问题下面的评论中，他们似乎有不同的观点

---

然而，在稀疏矩阵表示的用例中，答案是有用的，例如，稀疏测量，您希望纠正测量偏差，减去平均值，等等。因此，我将把它留在这里，即使它可能被判断为有争议。

我在添加一行中回答了类似的问题。添加标量后，矩阵不再稀疏；与标量相乘可以保持稀疏性（没有新的非零元素）。加法还应更新表示稀疏性的整数（通常为0）。csr矩阵上应该有一个方法在内部处理所有这些问题。没有这样的变量。这个包的根在线性代数中。在此之前，将通过代数方法消除线性方程的偏移量。Panadas稀疏格式允许非零的

fill

（例如

nan

）。

fill

值为零的假设贯穿计算方法。乘法特别假设，如果任一参数的元素值为零，则乘积为零，因此可以采用快捷方式。它只需要处理非零值。

sparse

不仅仅是保存数据存储需求。

Attributes

nnz                   Get the count of explicitly-stored values (nonzeros)  
has_sorted_indices    Determine whether the matrix has sorted indices  
dtype (dtype)         Data type of the matrix  
shape (2-tuple)       Shape of the matrix  
ndim  (int)           Number of dimensions (this is always 2)  
**data                CSR format data array of the matrix** 
indices               CSR format index array of the matrix  
indptr                CSR format index pointer array of the matrix

In [18]: from scipy import *

In [19]: from scipy.sparse import *

In [20]: row = array([0,0,1,2,2,2])
    ...: col = array([0,2,2,0,1,2])
    ...: data =array([1,2,3,4,5,6])
    ...: a = csr_matrix( (data,(row,col)), shape=(3,3))
    ...: 

In [21]: a.todense()
Out[21]: 
matrix([[1, 0, 2],
        [0, 0, 3],
        [4, 5, 6]], dtype=int64)

In [22]: a.data += 10

In [23]: a.todense()
Out[23]: 
matrix([[11,  0, 12],
        [ 0,  0, 13],
        [14, 15, 16]], dtype=int64)

In [24]: