向量与csr_矩阵的左乘法

Question

我有一个大小为50*10000的csr格式稀疏矩阵A，和一个大小为50的np.array v，我想为其计算乘积v.dot(A)。我如何有效地做到这一点

当然，运行v.dot(A)不是一个好主意，因为scipy.sparse不支持np操作。不幸的是，据我所知，scipy.sparse没有矩阵与向量左乘的函数

我尝试过以下方法，但所有这些方法似乎都花费了大量时间：

1. 转座A并使用标准.dot

我转置A，然后使用.dot方法。它将A.T与v相乘作为列向量

```
>>> A = sparse.csr_matrix([[1, 2, 0, 0],
...                        [0, 0, 3, 4]])
>>> v = np.array([1, 1])
>>> A.T.dot(v)
array([1, 2, 3, 4], dtype=int32)
```

1. 对v进行转置，并使用乘法和求和方法

我正在使用csr_matrix.multiply()方法，它执行逐点乘法。我将对这些行求和

>>> vt = v[np.newaxis].T
>>> A.multiply(vt).sum(axis=0)
matrix([[1, 2, 3, 4]], dtype=int32)

1. 将v转换为稀疏矩阵并使用.dot方法

我尝试了不同的施工方法，似乎都很昂贵。这是最具可读性的示例（可能不是最有效的示例）：

>>> sparse_v = sparse.csr_matrix(v)
>>> sparse_v.dot(A).todense()
matrix([[1, 2, 3, 4]], dtype=int32)

方法1是目前最快的，但是.T方法仍然非常耗时。难道没有更好的方法在稀疏矩阵上执行左乘法吗

Answer 1

@operator也适用于scipy稀疏矩阵，与您的方法进行简短而粗略的性能比较表明@operator的性能与您的方法1类似