在稀疏 CSC 矩阵（Python）中索引和替换值

Question

我有一个稀疏的 CSC 矩阵“A”，我想用一个全为零的向量替换其中的第一行，但第一个条目是 1 除外。

到目前为止，我正在做低效的版本，例如：

import numpy as np
from scipy.sparse import csc_matrix

row = np.array([0, 2, 2, 0, 1, 2])
col = np.array([0, 0, 1, 2, 2, 2])
data = np.array([1, 2, 3, 4, 5, 6])
A = csc_matrix((data, (row, col)), shape=(3, 3))
replace = np.zeros(3)
replace[0] = 1 
A[0,:] = replace
A.eliminate_zeros()

但我想用 .indptr、.data 等来做。因为它是 CSC，我猜这也可能效率低下？在我的确切问题中，矩阵是 66000 X 66000。

对于 CSR 稀疏矩阵，我已经看到它完成了

A.data[1:A.indptr[1]] = 0
A.data[0] = 1.0
A.indices[0] = 0
A.eliminate_zeros()

所以，基本上我想对 CSC 稀疏矩阵做同样的事情。

预期结果：与上述完全相同，只是效率更高（适用于非常大的稀疏矩阵）。

即从：开始

[1, 0, 4],
[0, 0, 5],
[2, 3, 6]

并将上面的行替换为与矩阵一样长的向量，除开头的 1 外全为零。因此，应该以

结尾

[1, 0, 0],
[0, 0, 5],
[2, 3, 6]

并且能够有效地处理大型稀疏 CSC 矩阵。

提前致谢:-)

Answer 1

您可以通过indptr 和indices 来完成。如果你想用indptr和indices参数构造你的矩阵：

indptr = np.array([0, 2, 3, 6])
indices = np.array([0, 2, 2, 0, 1, 2])
data = np.array([1, 2, 3, 4, 5, 6])
A = csc_matrix((data, indices, indptr), shape=(3,3))

但是如果你想设置第一行的所有元素，除了第 0 行的第一个元素，你需要将那些索引为零的数据值设置为零。换句话说：

data[indices == 0] = 0

上面的行将第一行的所有元素设置为0。为了避免将第一个元素设置为零，我们可以执行以下操作：

indices_tmp = indices == 0
indices_tmp[0] = False    # to avoid removing the first element in row 0.
data[indices_tmp == True] = 0
A = csc_matrix((data, indices, indptr), shape=(3,3))

希望对您有所帮助。