Python scipy.sparse：如何有效地将一组条目设置为0？

如何解决Python scipy.sparse：如何有效地将一组条目设置为0？

让a是一个大的scipy.sparse矩阵，并且IJ = {（i0，j0），（i1，j1），...}一组位置。如何有效地将a中IJ中所有条目设置为0？像a[IJ]=0之类的东西。

在Mathematica中，我将创建一个新的稀疏矩阵b，其背景值为1（而不是0），并且IJ中的所有条目都为该值。然后，我将使用a=a*b（逐项乘法）。这似乎不是一个选择。

一个玩具示例：

import scipy.sparse as sp
import numpy as np
np.set_printoptions(linewidth=200,edgeitems=5,precision=4)
m=n=10**1;
a=sp.random(m,n,4/m,format='csr'); print(a.toarray())
IJ=np.array([range(0,2),range(0,2)]); print(IJ) #every second diagonal

解决方法

您快到了。要按照您的定义进行操作，您需要做的只是：

a[IJ[0],IJ[1]] = 0

请注意，scipy会警告您：

SparseEfficiencyWarning：更改csr_matrix的稀疏结构非常昂贵。 lil_matrix效率更高。

您可以了解有关here的更多信息。

scipy稀疏矩阵的背景值不能为零。尽管可以制作一个具有很多非零值的“稀疏”矩阵，但性能（速度和内存）将远不如密集矩阵乘法。

可能的解决方法是将每个稀疏矩阵重写为默认值零。例如，如果矩阵Y'主要包含1，我可以用Y'替换I - Y，其中Y = I - Y'和I是单位矩阵。

import scipy.sparse as sp
import numpy as np

size = (100,100)
x = np.random.uniform(-1,1,size=size)
y = sp.random(*size,0.001,format='csr')

# Z = (I - Y)X = X - YX
z = x - y.multiply(x)

# A = X(I - Y) = X - XY = X - transpose(YX)
a = x - y.multiply(x).T