Python Scipy稀疏矩阵-不同实现的目的和用法

西皮有。这些类型之间最重要的区别是什么？它们的预期用途有什么区别

我正在基于Matlab中的示例代码1开发python代码。代码的一部分使用了稀疏矩阵——在Matlab中它似乎只有一种（令人讨厌的）类型，我正试图找出我应该在python中使用哪种类型2

---

1：这是一节课。大多数人都在用Matlab做这个项目，但我喜欢制造不必要的工作和混乱——显然

---

2：这是一个学术问题：我的代码可以正常使用“”格式，但我很想知道最佳用法是什么。

如果我回答得不够完整，很抱歉，但希望我能提供一些见解

CSC（Compressed Sparse Column）和CSR（Compressed Sparse Row）更紧凑、更高效，但很难“从头开始”构造。Coo（坐标）和DOK（键字典）更容易构造，然后可以通过

matrix.tocsc（）

或

matrix.tocsr（）

转换为CSC或CSR

通常，CSC在访问列向量或列操作时更有效，因为它存储为列的数组及其在每行的值

---

CSR矩阵则相反；存储为行数组及其在每列的值，在访问行向量或行操作时效率更高。

我认为对于大多数线性代数操作，CSR或CSC应该是您的首选选项，因为大多数函数都是为这些类型构建的。BSR是CSR的块版本。COO和DOK对于数据输入来说很方便，但一旦您输入了所有数据，您就需要将其转换为其他类型之一。LIL对切片之类的事情有更好的支持。不确定DIA是否适合线性代数运算。