scipy稀疏csr_matrix的索引
我有两个形状完全相同的稀疏矩阵，它们的数据值可能不同，非零元素的数量也可能不同。现在我想从其中一个矩阵中找出前10个元素，然后在另一个矩阵的相同位置上增加这些元素的值。我现在的做法是这样的：
idx = a.data.argpartition(-10)[-10:]
i, j = matrix.nonzero()
i_idx = i[idx]
j_idx = j[idx]
b[i_idx, j_idx] += 1
我之所以这么做，是因为这两个矩阵的数据部分（a.data 和 b.data）不一定有相同数量的元素，因此它们的索引会不同。
我现在的问题是，是否有办法改进这个过程。根据我的了解，获取非零元素的做法并不太优雅，因为我需要分配两个新的数组，而我现在的内存使用已经很紧张了。我可以通过 csr_matrix.indices 获取 j_indices，但 i_indices 怎么办呢？我能否用 indptr 来更好地处理这个问题？
欢迎任何建议。
1 个回答
0
我不太明白“前10个元素”是什么意思。我猜如果你有两个矩阵A和B，你想要在A的前10个非零元素的位置上，把B[i, j]加1，也就是说如果A[i, j]在这10个非零元素之内，就要加1。
我还假设B[i, j]可能是零，这在性能上是最糟糕的情况，因为这意味着你需要改变矩阵的稀疏结构。
CSR格式并不是改变稀疏结构的理想选择。因为每次插入或删除操作的复杂度都是O(nnzs)（假设CSR存储是用数组实现的，通常确实是这样）。
你可以使用DOK格式来处理你的第二个矩阵（就是你要修改的那个），这种格式可以让你以O(1)的速度访问元素。
我没有进行过基准测试，但我想你的选择在最坏情况下是10 * O(nnzs)，也就是说当你添加10个新的非零值时，而DOK格式在构建矩阵时需要O(nnzs)，然后每次插入只需要O(1)，最后如果需要转换回CSR格式，则需要O(nnzs)。