我正在使用 Scipy 进行 FEM 项目。现在我的问题是 稀疏矩阵的组装太慢了。我计算 密集小矩阵中每个元素的贡献（每个元素一个 元素）。对于全局矩阵的组装，我遍历所有 小密集矩阵并按以下方式设置矩阵条目：
[i,j] = someList[k][l]
Mglobal[i,j] = Mglobal[i,j] + Mlocal[k,l]
Mglobal 是一个适当大小的 lil_matrice，someList 映射
索引变量。
当然，这相当慢，并且消耗了大部分矩阵 组装时间。有没有更好的方法来组装一个大的稀疏矩阵 从许多小的密集矩阵？我试过 scipy.weave 但它没有 似乎适用于稀疏矩阵
【问题讨论】：
我在 scipy 邮件列表中发布了我的回复；堆栈溢出更容易一些 访问，所以我也会在这里发布，尽管版本略有改进。
诀窍是使用 IJV 存储格式。这是三个数组的三重奏 其中第一个包含行索引，第二个包含列索引，并且 第三个具有该位置的矩阵值。这是最好的方法 构建有限元矩阵（或我认为的任何稀疏矩阵）作为访问 到这种格式真的很快（只是填充一个数组）。
在 scipy 中，这称为coo_matrix；该类将三个数组作为
争论。它实际上只对转换为另一种格式有用（CSR os
CSC) 用于快速线性代数。
对于有限元，你可以通过一些东西来估计三个数组的大小 喜欢
size = number_of_elements * number_of_basis_functions**2
因此，如果您有 2D 二次方，例如，您可以使用 number_of_elements * 36。 这种方法很方便，因为如果你有本地矩阵，你肯定 具有全局数字和条目值：正是您构建所需的 三个 IJV 阵列。 Scipy 足够聪明，可以丢弃零条目，所以 高估是好的。
【讨论】：