SciPy稀疏矩阵类 scipy.sparse（持续更新ing...）
诸神缄默不语-个人CSDN博文目录
scipy官方文档：SciPy documentation — SciPy v1.9.0 Manual
scipy.sparse官方文档：Sparse matrices (scipy.sparse) — SciPy v1.9.0 Manual
scipy的稀疏矩阵感觉应该是万物之源，据我所知PyTorch的稀疏矩阵就是改自scipy，然后PyG的稀疏矩阵又改自PyTorch。
而且SciPy的稀疏矩阵是这几个里面文档最清晰的。torch_sparse不如说根本就没有文档吧！直接看源代码未免太刺激了！
最近更新时间：2022.8.17
最早更新时间：2022.8.17
文章目录
- 1. SciPy稀疏矩阵相关注意事项
- 2. 储存和加载稀疏矩阵
- 3. COO COOrdinate format
1. SciPy稀疏矩阵相关注意事项
scipy.sparse只能存储二维稀疏矩阵。
numpy.ndarray可以直接转换为稀疏矩阵。
*是逐元素相乘，@是矩阵乘法。
SciPy稀疏矩阵类别（可以通过to类别()函数进行转换）：
-
csc_matrix: Compressed Sparse Column format
-
csr_matrix: Compressed Sparse Row format
-
bsr_matrix: Block Sparse Row format
-
lil_matrix: List of Lists format
-
dok_matrix: Dictionary of Keys format
-
coo_matrix: COOrdinate format (aka IJV, triplet format)
-
dia_matrix: DIAgonal format
csr/csc/coo格式之间的转换是高效的线性操作。
2. 储存和加载稀疏矩阵
save_npz(file, matrix[, compressed]): Save a sparse matrix to a file using .npz format.
load_npz(file): Load a sparse matrix from a file using .npz format.
3. COO COOrdinate format
每个非0元素储存为行-列-值的形式。非常直观。也是最容易从邻接矩阵转换为edge index的格式，直接从row中获取头节点索引，从col中获取尾节点索引即可。
需要注意的是COO稀疏矩阵无法直接通过行索引切片，否则会报TypeError: 'coo_matrix' object is not subscriptable，但是可以直接将其转换成csr格式，然后再切片。举例：coo_matrix1.tocsr()[slicing_begin_index:]