通勤 numpy 稀疏矩阵点积答案

【问题标题】：Commute numpy sparse matrix dot product通勤 numpy 稀疏矩阵点积
【发布时间】：2013-11-10 00:48:56
【问题描述】：

据我了解，numpy.sparse.csr_sparse.dot(other) 确实将other 与我的稀疏矩阵相乘从右侧：

A = numpy.sparse.csr_sparse(something)
B = numpy.matrix(something)
C = A.dot(B)                     # C = A*B

如何将这两个矩阵换算得到B*A，而不会失去将矩阵保存为稀疏矩阵的好处（即.todense() 等）？

【问题讨论】：

有什么理由不能将B 也保存为稀疏矩阵吗？尝试sparse.csr_matrix.dot(B, A) 表示第一个参数必须是稀疏的，但sparse.csr_matrix.dot(sparse.csr_matrix(B), A) 有效，如果您的情况可能的话。
另外，请注意this danger。

【解决方案1】：

矩阵乘法属性的一点复习：

D = B * A
D.T = A.T * B.T
D = (A.T * B.T).T

这导致了明显的：

D = A.T.dot(B.T).T

请注意，CSR 和 CSC 矩阵的转置非常快，因为它只是改变形状和类型（从 CSR 到 CSC，或从 CSC 到 CSR），而内部数据保持不变。

【讨论】：