Python 更改单个操作的稀疏结构

我有一个

coo

格式的矩阵

a

（它是从

scipy.sparse.bmat

创建的）：

但我会得到一个

SparseEfficiencyWarning: Changing the sparsity structure of a csr_matrix is expensive. lil_matrix is more efficient.
  SparseEfficiencyWarning)

现在，据我所知，

lil_矩阵

在求解线性代数时效率低下-因此，即使我将稀疏结构更改为

lil

，我也会/应该在之后更改回

csr

或

csc

---

总的来说，这值得吗？我不想对我在这里做的每一个操作都进行速度测试：是否存在“改变稀疏性”与“行切片”与“算术运算”的成本有多高的经验法则？程序员通常是如何处理此类问题的？

尽管有警告，一次性更改为

csr

比往返

lil

要好：

In [137]: %%timeit M = sparse.random(10,10,.2,format='csr')
     ...: M[-1,:] = np.arange(10)
     ...: 
  SparseEfficiencyWarning)
204 µs ± 5.06 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [139]: %%timeit M = sparse.random(10,10,.2,format='csr')
     ...: M1=M.tolil(); M1[-1,:] = np.arange(10); M = M1.tocsr()
444 µs ± 9.91 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [141]: %%timeit M = sparse.random(10,10,.2,format='lil')
     ...: M[-1,:] = np.arange(10)
162 µs ± 84.2 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

---

你总是可以自己计时。根据我的经验，“效率警告”主要是为了防止你在循环中这样做。有一次，像这样的改变，忽略它。转换为

lil

是不值得的。

SparseEfficiencyWarning: Changing the sparsity structure of a csr_matrix is expensive. lil_matrix is more efficient.
  SparseEfficiencyWarning)

In [137]: %%timeit M = sparse.random(10,10,.2,format='csr')
     ...: M[-1,:] = np.arange(10)
     ...: 
  SparseEfficiencyWarning)
204 µs ± 5.06 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [139]: %%timeit M = sparse.random(10,10,.2,format='csr')
     ...: M1=M.tolil(); M1[-1,:] = np.arange(10); M = M1.tocsr()
444 µs ± 9.91 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [141]: %%timeit M = sparse.random(10,10,.2,format='lil')
     ...: M[-1,:] = np.arange(10)
162 µs ± 84.2 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)